Gestire la non stazionarietà
In questo esercizio visualizzerai di nuovo le variazioni nei punteggi del modello, ma stavolta per dati le cui statistiche cambiano nel tempo.
Un'istanza del modello di regressione lineare è salvata in model, un oggetto di convalida incrociata in cv, e i dati in X e y.
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.
# Pre-initialize window sizes
window_sizes = [25, 50, 75, 100]
# Create an empty DataFrame to collect the stores
all_scores = ____(index=times_scores)
# Generate scores for each split to see how the model performs over time
for window in window_sizes:
# Create cross-validation object using a limited lookback window
cv = ____(n_splits=100, max_train_size=window)
# Calculate scores across all CV splits and collect them in a DataFrame
this_scores = ____(____, ____, ____, cv=cv, scoring=my_pearsonr)
all_scores['Length {}'.format(window)] = this_scores