Visualizando valores previstos
Ao trabalhar com séries temporais, é útil visualizar as previsões do modelo sobre os valores "reais" usados para testar o modelo.
Neste exercício, depois de dividir os dados (armazenados nas variáveis X e y) em conjuntos de treino e teste, você vai construir um modelo e então visualizar as previsões do modelo sobre os dados de teste para estimar o desempenho do modelo.
Este exercício faz parte do curso
Machine Learning para dados de séries temporais em Python
Exercício interativo prático
Experimente este exercício completando 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)