Een eenvoudig regressiemodel fitten
We bekijken nu een groter aantal bedrijven. Onthoud dat we historische prijswaarden hebben voor veel bedrijven. Laten we gegevens van meerdere bedrijven gebruiken om de waarde van een testbedrijf te voorspellen. Je gaat proberen de Apple-aandelenprijs te voorspellen met de waarden van NVidia, Ebay en Yahoo. Elk hiervan is opgeslagen als een kolom in de all_prices DataFrame. Hieronder staat een mapping van bedrijfsnaam naar kolomnaam:
ebay: "EBAY"
nvidia: "NVDA"
yahoo: "YHOO"
apple: "AAPL"
We gebruiken deze kolommen om de input-/output-arrays in ons model te definiëren.
Deze oefening maakt deel uit van de cursus
Machine Learning voor tijdreeksgegevens in Python
Oefeninstructies
- Maak de arrays
Xenymet de gegeven kolomnamen. - De inputwaarden moeten komen van de bedrijven "ebay", "nvidia" en "yahoo"
- De outputwaarden moeten komen van het bedrijf "apple"
- Gebruik de gegevens om het model te trainen en te scoren met cross-validatie.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
from sklearn.linear_model import Ridge
from sklearn.model_selection import cross_val_score
# Use stock symbols to extract training data
X = all_prices[[____]]
y = all_prices[[____]]
# Fit and score the model with cross-validation
scores = cross_val_score(Ridge(), ____, ____, cv=3)
print(scores)