Rekening houden met non-stationariteit
In deze oefening visualiseer je opnieuw de variatie in modelscores, maar nu voor gegevens waarvan de statistieken in de tijd veranderen.
Een instantie van het Linear regression-modelobject staat in model, een cross-validatieobject in cv, en de data in X en y.
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.
# Pre-initialize window sizes
window_sizes = [25, 50, 75, 100]
# Create an empty DataFrame to collect the stores
all_scores = ____(index=times_scores)
# Generate scores for each split to see how the model performs over time
for window in window_sizes:
# Create cross-validation object using a limited lookback window
cv = ____(n_splits=100, max_train_size=window)
# Calculate scores across all CV splits and collect them in a DataFrame
this_scores = ____(____, ____, ____, cv=cv, scoring=my_pearsonr)
all_scores['Length {}'.format(window)] = this_scores