Обучение простой модели регрессии
Теперь рассмотрим более широкий набор компаний. Напомним, что у нас есть исторические данные о ценах акций для многих компаний. Воспользуемся данными нескольких компаний, чтобы предсказать стоимость акций тестовой компании. Вам предстоит предсказать цену акций Apple на основе значений NVidia, Ebay и Yahoo. Каждая из этих компаний представлена отдельным столбцом в DataFrame all_prices. Ниже приведено соответствие между названием компании и именем столбца:
ebay: "EBAY"
nvidia: "NVDA"
yahoo: "YHOO"
apple: "AAPL"
Эти столбцы мы используем для формирования входных и выходных массивов модели.
Это упражнение является частью курса
Машинное обучение для данных временных рядов на Python
Инструкции к упражнению
- Создайте массивы
Xиy, используя указанные имена столбцов. - Входные значения должны браться из компаний "ebay", "nvidia" и "yahoo"
- Выходные значения должны браться из компании "apple"
- Используйте эти данные для обучения модели и оценки её качества с помощью перекрёстной проверки.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
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)