Dopasowywanie prostego modelu regresji
Teraz przyjrzymy się większej liczbie spółek. Pamiętaj, że dysponujemy historycznymi wartościami cen dla wielu firm. Wykorzystajmy dane z kilku spółek, aby przewidzieć wartość akcji wybranej firmy testowej. Spróbuj przewidzieć cenę akcji Apple na podstawie wartości akcji NVidia, Ebay i Yahoo. Każda z tych spółek jest zapisana jako kolumna w DataFrame all_prices. Poniżej znajdziesz mapowanie nazw firm na nazwy kolumn:
ebay: "EBAY"
nvidia: "NVDA"
yahoo: "YHOO"
apple: "AAPL"
Te kolumny posłużą do zdefiniowania tablic wejściowych i wyjściowych w modelu.
To ćwiczenie jest częścią kursu
Uczenie maszynowe dla danych szeregów czasowych w Pythonie
Instrukcje do ćwiczenia
- Utwórz tablice
Xiy, korzystając z podanych nazw kolumn. - Wartości wejściowe powinny pochodzić ze spółek „ebay", „nvidia" i „yahoo"
- Wartości wyjściowe powinny pochodzić ze spółki „apple"
- Użyj tych danych, aby wytrenować model i ocenić go za pomocą kroswalidacji.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
from sklearn.linear_model import Ridge
from sklearn.model_selection import cross_val_score
# Use stock symbols to extract training data
X = all_prices[[____]]
y = all_prices[[____]]
# Fit and score the model with cross-validation
scores = cross_val_score(Ridge(), ____, ____, cv=3)
print(scores)