Adattare un semplice modello di regressione
Ora passeremo a un numero maggiore di aziende. Ricorda che abbiamo i prezzi storici per molte società. Usiamo i dati di diverse aziende per prevedere il valore di un’azienda di test. Proverai a prevedere il prezzo azionario di Apple usando i valori di NVidia, Ebay e Yahoo. Ognuna di queste è salvata come colonna nel DataFrame all_prices. Di seguito trovi la corrispondenza tra nome dell’azienda e nome della colonna:
ebay: "EBAY"
nvidia: "NVDA"
yahoo: "YHOO"
apple: "AAPL"
Useremo queste colonne per definire gli array di input/output nel nostro modello.
Questo esercizio fa parte del corso
Machine Learning per dati di serie temporali in Python
Istruzioni dell'esercizio
- Crea gli array
Xeyusando i nomi di colonna forniti. - I valori di input devono provenire dalle aziende "ebay", "nvidia" e "yahoo"
- I valori di output devono provenire dall’azienda "apple"
- Usa i dati per addestrare e valutare il modello con la convalida incrociata.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
from sklearn.linear_model import Ridge
from sklearn.model_selection import cross_val_score
# Use stock symbols to extract training data
X = all_prices[[____]]
y = all_prices[[____]]
# Fit and score the model with cross-validation
scores = cross_val_score(Ridge(), ____, ____, cv=3)
print(scores)