Kasus khusus: Model auto-regressive

Sekarang setelah Anda membuat versi pergeseran waktu dari satu deret waktu, Anda dapat memasang model auto-regressive. Ini adalah model regresi di mana fitur masukan adalah versi bergeser waktu dari data deret waktu keluaran. Anda menggunakan nilai-nilai sebelumnya dari suatu deret waktu untuk memprediksi nilai saat ini dari deret waktu yang sama (karena itu bersifat auto-regressive).

Dengan menelaah koefisien model ini, Anda dapat mengeksplorasi pola berulang apa pun yang ada dalam sebuah deret waktu, dan mendapatkan gambaran seberapa jauh ke masa lalu suatu titik data bersifat prediktif terhadap masa depan.

Latihan ini merupakan bagian dari kursus

Machine Learning untuk Data Deret Waktu di Python

Lihat Kursus

Instruksi latihan

Ganti nilai yang hilang dalam prices_perc_shifted dengan median DataFrame dan simpan ke X.
Ganti nilai yang hilang dalam prices_perc dengan median seri dan simpan ke y.
Pasang model regresi menggunakan array X dan y.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Replace missing values with the median for each column
X = prices_perc_shifted.____(np.____(prices_perc_shifted))
y = prices_perc.____(np.___(prices_perc))

# Fit the model
model = Ridge()
model.fit(____, ____)

Edit dan Jalankan Kode