Оценка вариативности коэффициентов модели
В этом уроке вы снова запустите процедуру кросс-валидации, которую использовали ранее, — но на этот раз сосредоточитесь на стабильности модели во времени. Вы изучите коэффициенты модели, а также неопределённость в её предсказаниях.
Начнём с оценки стабильности (или неопределённости) коэффициентов модели на нескольких разбиениях кросс-валидации. Помните: коэффициенты отражают закономерность, которую модель обнаружила в данных.
В рабочем пространстве доступен объект линейной регрессии (model), а также массивы X и y с исходными данными.
Это упражнение является частью курса
Машинное обучение для данных временных рядов на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Iterate through CV splits
n_splits = 100
cv = TimeSeriesSplit(n_splits=____)
# Create empty array to collect coefficients
coefficients = np.____([n_splits, X.shape[1]])
for ii, (tr, tt) in enumerate(cv.split(X, y)):
# Fit the model on training data and collect the coefficients
model.fit(X[tr], y[tr])
coefficients[ii] = ____