Variabiliteit in modelcoëfficiënten berekenen
In deze les voer je de eerder gebruikte cross-validatieroutine opnieuw uit, maar let je nu op de stabiliteit van het model in de tijd. Je bekijkt de coëfficiënten van het model en de onzekerheid in de voorspellingen.
Begin met het beoordelen van de stabiliteit (of onzekerheid) van de coëfficiënten van een model over meerdere CV-splits. Onthoud: de coëfficiënten weerspiegelen het patroon dat je model in de data heeft gevonden.
Een instantie van het Linear regression-object (model) is beschikbaar in je werkruimte. Ook de arrays X en y (de data) zijn beschikbaar.
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.
# Iterate through CV splits
n_splits = 100
cv = TimeSeriesSplit(n_splits=____)
# Create empty array to collect coefficients
coefficients = np.____([n_splits, X.shape[1]])
for ii, (tr, tt) in enumerate(cv.split(X, y)):
# Fit the model on training data and collect the coefficients
model.fit(X[tr], y[tr])
coefficients[ii] = ____