Ajustando um modelo de regressão simples
Agora vamos analisar um número maior de empresas. Lembre que temos valores históricos de preço para várias empresas. Vamos usar dados de várias empresas para prever o valor de uma empresa de teste. Você vai tentar prever o valor da ação da Apple usando os valores de NVidia, Ebay e Yahoo. Cada uma dessas está armazenada como uma coluna no DataFrame all_prices. Abaixo está o mapeamento do nome da empresa para o nome da coluna:
ebay: "EBAY"
nvidia: "NVDA"
yahoo: "YHOO"
apple: "AAPL"
Vamos usar essas colunas para definir os arrays de entrada/saída no nosso modelo.
Este exercício faz parte do curso
Machine Learning para dados de séries temporais em Python
Instruções do exercício
- Crie os arrays
Xeyusando os nomes de coluna fornecidos. - Os valores de entrada devem ser das empresas "ebay", "nvidia" e "yahoo"
- Os valores de saída devem ser da empresa "apple"
- Use os dados para treinar e avaliar o modelo com validação cruzada.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
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)