1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uczenie maszynowe dla danych szeregów czasowych w Pythonie
Connected

ćwiczenie

Wizualizacja zmienności wyników modelu w czasie

Skoro oceniono już zmienność każdego współczynnika, czas zrobić to samo dla wyników (scores) modelu. Przypomnij sobie, że obiekt TimeSeriesSplit używa kolejno późniejszych indeksów dla każdego zbioru testowego. Oznacza to, że wyniki walidacji możesz traktować jak szereg czasowy. Zwizualizuj je w czasie, aby zobaczyć, jak zmienia się skuteczność modelu.

Instancja modelu regresji liniowej jest przechowywana w zmiennej model, obiekt walidacji krzyżowej w cv, a dane w X i y.

Instrukcje 1/2

undefined XP
    1
    2
  • Oblicz wyniki modelu z walidacji krzyżowej na danych (używając niestandardowej funkcji oceniającej my_pearsonr wraz z cross_val_score).
  • Przekształć uzyskane wyniki w obiekt Series biblioteki pandas, aby móc traktować je jak szereg czasowy.
  • Wyznacz metodą bootstrap kroczący przedział ufności dla średniego wyniku, korzystając z funkcji bootstrap_interval().