Авторегрессия на более сглаженном временном ряде
Теперь повторим ту же процедуру, но на более сглаженном сигнале. Вы будете использовать тот же алгоритм процентного изменения, что и раньше, однако на этот раз с гораздо большим окном (40 вместо 20). По мере увеличения окна разница между соседними точками во времени уменьшается, что даёт более сглаженный сигнал. Как вы думаете, как это повлияет на авторегрессионную модель?
В вашем рабочем пространстве доступны prices_perc_shifted и model (обновлены для использования окна размером 40).
Это упражнение является частью курса
Машинное обучение для данных временных рядов на Python
Инструкции к упражнению
Используя функцию (visualize_coefficients()), созданную в предыдущем упражнении, постройте график с коэффициентами model и названиями столбцов prices_perc_shifted.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Visualize the output data up to "2011-01"
fig, axs = plt.subplots(2, 1, figsize=(10, 5))
y.loc[:'2011-01'].plot(ax=axs[0])
# Run the function to visualize model's coefficients
visualize_coefficients(____, ____, ax=axs[1])
plt.show()