더 부드러운 시계열로 자동회귀 적용하기
이제 더 부드러운 신호를 사용해 같은 절차를 다시 실행해 보겠습니다. 이전과 동일한 퍼센트 변화(percent change) 알고리즘을 쓰되, 이번에는 더 큰 윈도우(20 대신 40)를 사용하세요. 윈도우가 커질수록 인접한 시점 간 차이가 작아져 신호가 더 부드러워집니다. 이렇게 되면 자동회귀 모델에는 어떤 영향을 줄까요?
작업 공간에는 윈도우 40을 사용하도록 업데이트된 prices_perc_shifted와 model이 준비되어 있어요.
이 연습은 강의의 일부입니다
Python으로 배우는 시계열 데이터 Machine Learning
연습 안내
직전 연습 문제에서 만든 함수(visualize_coefficients())를 사용해, model의 계수와 prices_perc_shifted의 열 이름을 이용한 플롯을 생성하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Visualize the output data up to "2011-01"
fig, axs = plt.subplots(2, 1, figsize=(10, 5))
y.loc[:'2011-01'].plot(ax=axs[0])
# Run the function to visualize model's coefficients
visualize_coefficients(____, ____, ax=axs[1])
plt.show()