Voorspelde waarden visualiseren
Bij tijdreeksgegevens is het handig om modelvoorspellingen te visualiseren boven op de "werkelijke" waarden waarmee je het model test.
In deze oefening ga je, nadat je de gegevens (opgeslagen in de variabelen X en y) hebt opgesplitst in trainings- en testsets, een model bouwen en vervolgens de voorspellingen van het model boven op de testgegevens visualiseren om de prestaties van het model in te schatten.
Deze oefening maakt deel uit van de cursus
Machine Learning voor tijdreeksgegevens in Python
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
from sklearn.model_selection import train_test_split
from sklearn.metrics import r2_score
# Split our data into training and test sets
X_train, X_test, y_train, y_test = train_test_split(____, ____,
train_size=.8, shuffle=False)
# Fit our model and generate predictions
model = Ridge()
model.fit(____, ____)
predictions = model.predict(____)
score = r2_score(y_test, predictions)
print(score)