Calcolare la variabilità dei coefficienti del modello
In questa lezione rieseguirai la procedura di cross-validation usata in precedenza, ma questa volta facendo attenzione alla stabilità del modello nel tempo. Esaminerai i coefficienti del modello e l’incertezza delle sue previsioni.
Inizia valutando la stabilità (o incertezza) dei coefficienti di un modello sui vari split della CV. Ricorda: i coefficienti riflettono lo schema che il tuo modello ha trovato nei dati.
Nel tuo workspace è disponibile un’istanza dell’oggetto di regressione lineare (model). Sono disponibili anche gli array X e y (i dati).
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.
# Iterate through CV splits
n_splits = 100
cv = TimeSeriesSplit(n_splits=____)
# Create empty array to collect coefficients
coefficients = np.____([n_splits, X.shape[1]])
for ii, (tr, tt) in enumerate(cv.split(X, y)):
# Fit the model on training data and collect the coefficients
model.fit(X[tr], y[tr])
coefficients[ii] = ____