1. Learn
    2. /
  2. Cursuri
    3. /
  3. Wprowadzenie do modelowania liniowego w Pythonie
Connected

exercițiu

Interpolacja: wartości pośrednie

W tym ćwiczeniu zbudujesz model liniowy, dopasowując miesięczne dane szeregów czasowych dla indeksu Dow Jones Industrial Average (DJIA), a następnie użyjesz tego modelu do prognozowania wartości dla danych dziennych – w efekcie wykonasz interpolację. Porównasz następnie tę dzienną prognozę z rzeczywistymi danymi DJIA.

Kilka słów o danych. „OHLC" to skrót od „Open-High-Low-Close" (Otwarcie-Maksimum-Minimum-Zamknięcie) – są to zazwyczaj dane dzienne, obejmujące m.in. cenę otwarcia i zamknięcia oraz najwyższą i najniższą cenę akcji w danym dniu. „DayCount" to liczba całkowita oznaczająca liczbę dni od początku zbierania danych.

Instrucțiuni

100 XP
  • Użyj funkcji ols() i metody .fit(), aby dopasować model do danych data=df_monthly z formułą formula="Close ~ DayCount".
  • Wywołaj model_fit.predict() dla df_monthly.DayCount oraz df_daily.DayCount, aby przewidzieć wartości miesięcznych i dziennych cen Close – zapisz wyniki jako nową kolumnę Model w każdym obiekcie DataFrame.
  • Użyj predefiniowanej funkcji plot_model_with_data dwukrotnie – raz dla df_monthly i raz dla df_daily – a następnie porównaj wyświetlone wartości RSS.