Учёт нестационарности
В этом упражнении вы снова визуализируете разброс оценок модели, но теперь для данных, статистические характеристики которых меняются со временем.
Экземпляр объекта модели линейной регрессии хранится в model, объект кросс-валидации — в cv, а данные — в X и y.
Это упражнение является частью курса
Машинное обучение для данных временных рядов на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Pre-initialize window sizes
window_sizes = [25, 50, 75, 100]
# Create an empty DataFrame to collect the stores
all_scores = ____(index=times_scores)
# Generate scores for each split to see how the model performs over time
for window in window_sizes:
# Create cross-validation object using a limited lookback window
cv = ____(n_splits=100, max_train_size=window)
# Calculate scores across all CV splits and collect them in a DataFrame
this_scores = ____(____, ____, ____, cv=cv, scoring=my_pearsonr)
all_scores['Length {}'.format(window)] = this_scores