Изучение данных для регрессии
Следующий набор данных содержит информацию о рыночной стоимости компаний за несколько лет. Это один из наиболее популярных типов временных рядов, используемых для задач регрессии. Если удастся смоделировать изменение стоимости компании во времени, можно строить прогнозы о её будущем положении. Этот набор данных был изначально опубликован в рамках открытого соревнования на Kaggle.
В этом упражнении вы построите временные ряды для нескольких компаний, чтобы понять, как они связаны между собой — или убедиться, что такой связи нет.
Это упражнение является частью курса
Машинное обучение для данных временных рядов на Python
Инструкции к упражнению
- Загрузите данные с помощью Pandas (файл
'prices.csv'). - Преобразуйте индекс
dataв форматdatetime. - Пройдитесь в цикле по каждому столбцу
dataи постройте график изменения его значений во времени.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Read in the data
data = pd.____('prices.csv', index_col=0)
# Convert the index of the DataFrame to datetime
data.index = ____(data.index)
print(data.head())
# Loop through each column, plot its values over time
fig, ax = plt.subplots()
for column in ____:
data[column].plot(ax=ax, label=column)
ax.legend()
plt.show()