Beräkna variabilitet i modellkoefficienter
I den här lektionen kör du om den korsvalideringsrutin som användes tidigare, men den här gången med fokus på modellens stabilitet över tid. Du undersöker modellens koefficienter samt osäkerheten i dess förutsägelser.
Börja med att bedöma stabiliteten (eller osäkerheten) hos en modells koefficienter över flera CV-uppdelningar. Kom ihåg att koefficienterna speglar det mönster som modellen har hittat i datan.
En instans av linjär regression-objektet (model) finns tillgänglig i din arbetsyta. Dessutom finns arrayerna X och y (datan) tillgängliga.
Den här övningen är en del av kursen
Maskininlärning för tidsseriedata i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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] = ____