Cross-validation basata sul tempo
Infine, visualizziamo il comportamento del time series cross-validation iterator in scikit-learn. Usa questo oggetto per iterare un’ultima volta sui tuoi dati, visualizzando i dati di training utilizzati per addestrare il modello a ogni iterazione.
Nel tuo workspace è disponibile un’istanza del model di regressione lineare. Sono disponibili anche gli array X e y (dati di training).
Questo esercizio fa parte del corso
Machine Learning per dati di serie temporali in Python
Istruzioni dell'esercizio
- Importa
TimeSeriesSplitdasklearn.model_selection. - Istanzia un time series cross-validation iterator con 10 suddivisioni.
- Itera sulle suddivisioni della CV. A ogni iterazione, visualizza i valori dei dati in input che verrebbero usati per addestrare il modello in quell’iterazione.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Import TimeSeriesSplit
____
# Create time-series cross-validation object
cv = ____
# Iterate through CV splits
fig, ax = plt.subplots()
for ii, (tr, tt) in enumerate(cv.split(X, y)):
# Plot the training data on each iteration, to see the behavior of the CV
ax.plot(tr, ii + y[tr])
ax.set(title='Training data on each CV iteration', ylabel='CV iteration')
plt.show()