การ Fit โมเดล Regression อย่างง่าย
คราวนี้จะมาดูข้อมูลของบริษัทจำนวนมากขึ้น จำได้ว่าเรามีข้อมูลราคาย้อนหลังของหลายบริษัท ลองใช้ข้อมูลจากหลายบริษัทเพื่อพยากรณ์มูลค่าของบริษัททดสอบกัน โดยจะพยากรณ์ราคาหุ้น Apple จากราคาหุ้นของ NVidia, Ebay และ Yahoo ซึ่งแต่ละบริษัทถูกเก็บเป็นคอลัมน์ใน DataFrame all_prices ดังนี้:
ebay: "EBAY"
nvidia: "NVDA"
yahoo: "YHOO"
apple: "AAPL"
เราจะใช้คอลัมน์เหล่านี้กำหนดอาร์เรย์ input/output ในโมเดล
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning สำหรับข้อมูล Time Series ใน Python
คำแนะนำการฝึกหัด
- สร้างอาร์เรย์
Xและyโดยใช้ชื่อคอลัมน์ที่กำหนด - ค่า input ควรมาจากบริษัท "ebay", "nvidia" และ "yahoo"
- ค่า output ควรมาจากบริษัท "apple"
- ใช้ข้อมูลนี้เพื่อเทรนและประเมินผลโมเดลด้วย cross-validation
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
from sklearn.linear_model import Ridge
from sklearn.model_selection import cross_val_score
# Use stock symbols to extract training data
X = all_prices[[____]]
y = all_prices[[____]]
# Fit and score the model with cross-validation
scores = cross_val_score(Ridge(), ____, ____, cv=3)
print(scores)