Speciaal geval: autoregressieve modellen

Nu je tijd verschoven versies van één enkele tijdreeks hebt gemaakt, kun je een autoregressief model fitten. Dit is een regressiemodel waarbij de invoerkenmerken tijd verschoven versies zijn van de uitvoer-tijdreeks. Je gebruikt eerdere waarden van een tijdreeks om de huidige waarden van diezelfde tijdreeks te voorspellen (daarom is het autoregressief).

Door de coëfficiënten van dit model te onderzoeken, kun je herhalende patronen in een tijdreeks ontdekken en een idee krijgen hoe ver in het verleden een datapunt nog voorspellend is voor de toekomst.

Deze oefening maakt deel uit van de cursus

Machine Learning voor tijdreeksgegevens in Python

Bekijk cursus

Oefeninstructies

Vervang missende waarden in prices_perc_shifted door de mediaan van de DataFrame en wijs dit toe aan X.
Vervang missende waarden in prices_perc door de mediaan van de serie en wijs dit toe aan y.
Fit een regressiemodel met de arrays X en y.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Replace missing values with the median for each column
X = prices_perc_shifted.____(np.____(prices_perc_shifted))
y = prices_perc.____(np.___(prices_perc))

# Fit the model
model = Ridge()
model.fit(____, ____)

Code bewerken en uitvoeren