Visualizzare i valori previsti
Quando lavori con dati di serie temporali, è utile visualizzare le previsioni del modello sovrapposte ai valori "reali" usati per testare il modello.
In questo esercizio, dopo aver suddiviso i dati (memorizzati nelle variabili X e y) in insieme di addestramento e di test, costruirai un modello e poi visualizzerai le previsioni del modello sovrapposte ai dati di test per stimare le prestazioni del modello.
Questo esercizio fa parte del corso
Machine Learning per dati di serie temporali in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
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)