Tidsbaserad korsvalidering
Nu ska vi visualisera hur korsvalideringsiteratorn för tidsserier fungerar i scikit-learn. Använd det här objektet för att iterera igenom dina data en sista gång och visualisera de träningsdata som används för att anpassa modellen i varje iteration.
En instans av det linjära regressionsmodellobjektet model finns tillgänglig i din arbetsyta. Arrayerna X och y (träningsdata) finns också tillgängliga.
Den här övningen är en del av kursen
Maskininlärning för tidsseriedata i Python
Övningsinstruktioner
- Importera
TimeSeriesSplitfrånsklearn.model_selection. - Skapa en korsvalideringsiterator för tidsserier med 10 uppdelningar.
- Iterera igenom CV-uppdelningarna. Visualisera i varje iteration de indatavärden som skulle användas för att träna modellen.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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()