Ajuste de um modelo de regressão simples
Agora, analisaremos um número maior de empresas. Lembre-se de que temos valores históricos de preços para muitas empresas. Vamos usar dados de várias empresas para prever o valor de uma empresa de teste. Você tentará prever o valor do preço das ações da Apple usando os valores de NVidia, Ebay e Yahoo. Cada um deles é armazenado como uma coluna no all_prices DataFrame. Abaixo você encontra um mapeamento do nome da empresa para o nome da coluna:
ebay: "EBAY"
nvidia: "NVDA"
yahoo: "YHOO"
apple: "AAPL"
Usaremos essas colunas para definir as matrizes de entrada/saída em nosso modelo.
Este exercício faz parte do curso
Aprendizado de máquina para dados de séries temporais em Python
Instruções do exercício
Crie as matrizes
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 pontuar 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)