Specialfall: Autoregressiva modeller
Nu när du har skapat tidsskiftade versioner av en enskild tidsserie kan du anpassa en autoregressiv modell. Det är en regressionsmodell där indatasärdragen är tidsskiftade versioner av utdatats tidsserie. Du använder tidigare värden från en tidsserie för att förutsäga aktuella värden i samma tidsserie – därav beteckningen autoregressiv.
Genom att undersöka koefficienterna i den här modellen kan du utforska återkommande mönster i tidsserien och få en uppfattning om hur långt tillbaka i tiden en datapunkt är prediktiv för framtiden.
Den här övningen är en del av kursen
Maskininlärning för tidsseriedata i Python
Övningsinstruktioner
- Ersätt saknade värden i
prices_perc_shiftedmed medianvärdet för DataFrame och tilldela resultatet tillX. - Ersätt saknade värden i
prices_percmed medianvärdet för serien och tilldela resultatet tilly. - Anpassa en regressionsmodell med hjälp av arrayerna
Xochy.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Replace missing values with the median for each column
X = prices_perc_shifted.____(np.____(prices_perc_shifted))
y = prices_perc.____(np.___(prices_perc))
# Fit the model
model = Ridge()
model.fit(____, ____)