Visualização de valores previstos
Ao lidar com dados de séries temporais, é útil visualizar as previsões do modelo em cima dos valores "reais" usados para testar o modelo.
Neste exercício, após dividir os dados (armazenados nas variáveis X e y) em conjuntos de treinamento e teste, você criará um modelo e, em seguida, visualizará as previsões do modelo na parte superior
dos dados de teste para estimar o desempenho do modelo.
Este exercício faz parte do curso
Aprendizado de máquina para dados de séries temporais em Python
Exercício interativo prático
Experimente este exercício preenchendo este código de exemplo.
from sklearn.model_selection import train_test_split
from sklearn.metrics import r2_score
# Split our data into training and test sets
X_train, X_test, y_train, y_test = train_test_split(____, ____,
train_size=.8, shuffle=False)
# Fit our model and generate predictions
model = Ridge()
model.fit(____, ____)
predictions = model.predict(____)
score = r2_score(y_test, predictions)
print(score)