การคำนวณความแปรปรวนในค่าสัมประสิทธิ์ของโมเดล
ในบทเรียนนี้ จะรันขั้นตอน cross-validation แบบเดิมอีกครั้ง แต่คราวนี้จะให้ความสนใจกับความเสถียรของโมเดลในช่วงเวลาต่างๆ โดยจะตรวจสอบค่าสัมประสิทธิ์ของโมเดล รวมถึงความไม่แน่นอนในการพยากรณ์ด้วย
เริ่มด้วยการประเมินความเสถียร (หรือความไม่แน่นอน) ของค่าสัมประสิทธิ์ของโมเดลในแต่ละ CV split จำไว้ว่าค่าสัมประสิทธิ์เหล่านี้สะท้อนรูปแบบที่โมเดลค้นพบจากข้อมูล
ออบเจ็กต์ Linear regression (model) พร้อมใช้งานใน workspace แล้ว รวมถึงอาร์เรย์ X และ y (ข้อมูล) ก็พร้อมใช้งานเช่นกัน
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning สำหรับข้อมูล Time Series ใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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] = ____