Кросс-валидация на основе временного ряда
Теперь давайте визуализируем поведение итератора кросс-валидации временных рядов из scikit-learn. Используйте этот объект, чтобы ещё раз пройтись по данным и отобразить обучающие данные, которые используются для подгонки модели на каждой итерации.
В рабочем пространстве доступен экземпляр объекта модели линейной регрессии model, а также массивы X и y (обучающие данные).
Это упражнение является частью курса
Машинное обучение для данных временных рядов на Python
Инструкции к упражнению
- Импортируйте
TimeSeriesSplitизsklearn.model_selection. - Создайте итератор кросс-валидации временных рядов с 10 разбиениями.
- Переберите разбиения кросс-валидации. На каждой итерации визуализируйте значения входных данных, которые использовались бы для обучения модели на данном шаге.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Import TimeSeriesSplit
____
# Create time-series cross-validation object
cv = ____
# Iterate through CV splits
fig, ax = plt.subplots()
for ii, (tr, tt) in enumerate(cv.split(X, y)):
# Plot the training data on each iteration, to see the behavior of the CV
ax.plot(tr, ii + y[tr])
ax.set(title='Training data on each CV iteration', ylabel='CV iteration')
plt.show()