셔플 없이 교차 검증하기

이제 블록 교차 검증(모든 데이터 포인트를 셔플하지 않음)을 사용해 모델 학습을 다시 수행해 보세요. 이 방법에서는 인접한 시점들이 서로 가깝게 유지됩니다. 각 교차 검증 루프에서 모델 예측은 어떻게 보일까요?

워크스페이스에는 선형 회귀 model 객체 인스턴스가 준비되어 있습니다. 또한 배열 X와 y(훈련 데이터)도 제공됩니다.

이 연습은 강의의 일부입니다

Python으로 배우는 시계열 데이터 Machine Learning

강의 보기

연습 안내

이번에는 셔플 없이 분할 수를 10으로 한 KFold 교차 검증 객체를 인스턴스화하세요.
이 객체를 순회(iterate)하여 훈련 인덱스로 모델을 학습하고, 테스트 인덱스로 예측을 생성하세요.
제공된 헬퍼 함수(visualize_predictions())를 사용해 CV 분할별 예측을 시각화하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Create KFold cross-validation object
from sklearn.model_selection import KFold
cv = ____(n_splits=____, shuffle=____)

# Iterate through CV splits
results = []
for tr, tt in cv.split(X, y):
    # Fit the model on training data
    model.fit(____)
    
    # Generate predictions on the test data and collect
    prediction = model.predict(____)
    results.append((prediction, tt))
    
# Custom function to quickly visualize predictions
visualize_predictions(results)

코드 편집 및 실행