1. Learn
    2. /
  2. Courses
    3. /
  3. Pythonで学ぶMachine Learningによる時系列データ解析
Connected

Exercise

シャッフルなしのクロスバリデーション

次に、ブロック型のクロスバリデーション（全データポイントをシャッフルしない）でモデルの学習を再実行しましょう。この場合、隣接する時点のデータは互いに近いまま保たれます。各クロスバリデーションループにおけるモデルの予測は、どのように見えると思いますか？

ワークスペースには線形回帰の model オブジェクトのインスタンスが用意されています。配列 X と y（学習データ）も利用できます。

Instructions

100 XP
  • 今回はシャッフルなしで分割数を 10 にした KFold クロスバリデーションを使い、別のクロスバリデーションオブジェクトを作成します。
  • このオブジェクトを反復処理し、学習用インデックスでモデルを学習し、テスト用インデックスで予測を生成します。
  • 用意されたヘルパー関数（visualize_predictions()）を使って、CV 各分割にわたる予測を可視化します。