เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การแสดงภาพความแปรปรวนของคะแนนโมเดลตามเวลา

เมื่อประเมินความแปรปรวนของแต่ละค่าสัมประสิทธิ์แล้ว ลองทำสิ่งเดียวกันกับประสิทธิภาพ (คะแนน) ของโมเดลบ้าง จำไว้ว่าออบเจ็กต์ TimeSeriesSplit จะใช้ดัชนีที่ตามมาเรื่อยๆ สำหรับชุดทดสอบแต่ละชุด ซึ่งหมายความว่าสามารถมองคะแนนจากการตรวจสอบความถูกต้องเป็น time series ได้ การแสดงภาพคะแนนเหล่านี้ตามลำดับเวลาจะช่วยให้เห็นว่าประสิทธิภาพของโมเดลเปลี่ยนแปลงอย่างไรในช่วงเวลาต่างๆ

ออบเจ็กต์โมเดล Linear regression ถูกเก็บไว้ในตัวแปร model, ออบเจ็กต์ cross-validation ใน cv และข้อมูลใน X กับ y

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning สำหรับข้อมูล Time Series ใน Python

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

from sklearn.model_selection import cross_val_score

# Generate scores for each split to see how the model performs over time
scores = cross_val_score(model, X, y, cv=cv, scoring=my_pearsonr)

# Convert to a Pandas Series object
scores_series = pd.Series(scores, index=times_scores, name='score')

# Bootstrap a rolling confidence interval for the mean score
scores_lo = scores_series.____(20).aggregate(partial(____, percentiles=2.5))
scores_hi = scores_series.____(20).aggregate(partial(____, percentiles=97.5))
แก้ไขและรันโค้ด