予測値の可視化
時系列データを扱うときは、モデルの予測をモデルの評価に用いる「実測」値の上に重ねて可視化すると便利です。
この演習では、変数 X と y に保存されたデータを学習用とテスト用に分割し、モデルを構築したあと、テストデータ上でのモデルの予測を重ねて可視化し、モデルの性能を見積もります。
この演習はコースの一部です
Pythonで学ぶMachine Learningによる時系列データ解析
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
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)