Memvisualisasikan nilai yang diprediksi
Saat bekerja dengan data deret waktu, akan sangat membantu untuk memvisualisasikan prediksi model di atas nilai "aktual" yang digunakan untuk menguji model.
Dalam latihan ini, setelah membagi data (disimpan dalam variabel X dan y) menjadi himpunan pelatihan dan pengujian, Anda akan membangun sebuah model lalu memvisualisasikan prediksi model di atas data pengujian untuk memperkirakan kinerja model.
Latihan ini merupakan bagian dari kursus
Machine Learning untuk Data Deret Waktu di Python
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
from sklearn.model_selection import train_test_split
from sklearn.metrics import r2_score
# Split our data into training and test sets
X_train, X_test, y_train, y_test = train_test_split(____, ____,
train_size=.8, shuffle=False)
# Fit our model and generate predictions
model = Ridge()
model.fit(____, ____)
predictions = model.predict(____)
score = r2_score(y_test, predictions)
print(score)