Obliczanie zmienności współczynników modelu
W tej lekcji ponownie uruchomisz procedurę walidacji krzyżowej, którą stosowałeś wcześniej – tym razem zwracając uwagę na stabilność modelu w czasie. Przeanalizujesz współczynniki modelu oraz niepewność jego prognoz.
Zacznij od oceny stabilności (czyli niepewności) współczynników modelu w wielu podziałach walidacji krzyżowej. Pamiętaj, że współczynniki odzwierciedlają wzorzec, który model wykrył w danych.
W środowisku pracy dostępna jest instancja obiektu regresji liniowej (model). Dostępne są również tablice X i y zawierające dane.
To ćwiczenie jest częścią kursu
Uczenie maszynowe dla danych szeregów czasowych w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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] = ____