Walidacja krzyżowa oparta na czasie
Na koniec zwizualizujmy działanie iteratora walidacji krzyżowej szeregów czasowych dostępnego w scikit-learn. Użyj tego obiektu, aby jeszcze raz przejść przez dane i zwizualizować dane treningowe wykorzystywane do dopasowania modelu w każdej iteracji.
W przestrzeni roboczej dostępna jest instancja obiektu modelu regresji liniowej model. Dostępne są również tablice X i y zawierające dane treningowe.
To ćwiczenie jest częścią kursu
Uczenie maszynowe dla danych szeregów czasowych w Pythonie
Instrukcje do ćwiczenia
- Zaimportuj
TimeSeriesSplitzsklearn.model_selection. - Utwórz instancję iteratora walidacji krzyżowej szeregów czasowych z 10 podziałami.
- Przejdź w pętli przez podziały CV. W każdej iteracji zwizualizuj wartości danych wejściowych, które zostałyby użyte do trenowania modelu w tej iteracji.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import TimeSeriesSplit
____
# Create time-series cross-validation object
cv = ____
# Iterate through CV splits
fig, ax = plt.subplots()
for ii, (tr, tt) in enumerate(cv.split(X, y)):
# Plot the training data on each iteration, to see the behavior of the CV
ax.plot(tr, ii + y[tr])
ax.set(title='Training data on each CV iteration', ylabel='CV iteration')
plt.show()