特別なケース：自己回帰モデル
単一の時系列を時間シフトした特徴量を作成できたので、ここからは自己回帰（auto-regressive）モデルを学習します。これは回帰モデルの一種で、入力特徴量が出力の時系列データを時間シフトしたものになります。つまり、同じ時系列の過去の値から現在の値を予測します（このため自己回帰と呼ばれます）。
このモデルの係数を調べることで、時系列に繰り返し現れるパターンを探ったり、どれくらい過去のデータポイントが将来の予測に効いているかを把握できます。
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
演習の手順
prices_perc_shiftedの欠損値を DataFrame 全体の中央値で置き換え、Xに代入します。prices_percの欠損値を系列の中央値で置き換え、yに代入します。Xとyを使って回帰モデルを学習します。
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。
# Replace missing values with the median for each column
X = prices_perc_shifted.____(np.____(prices_perc_shifted))
y = prices_perc.____(np.___(prices_perc))
# Fit the model
model = Ridge()
model.fit(____, ____)