เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

กรณีพิเศษ: Auto-regressive models

เมื่อสร้างเวอร์ชัน time-shifted ของ time series เดียวแล้ว ก็สามารถ fit โมเดล auto-regressive ได้ โมเดลนี้คือโมเดล regression ที่ใช้เวอร์ชัน time-shifted ของข้อมูล time series เป็น input feature กล่าวคือ ใช้ค่าก่อนหน้าของ time series เพื่อพยากรณ์ค่าปัจจุบันของ time series เดียวกัน (จึงเป็น auto-regressive)

การวิเคราะห์ค่าสัมประสิทธิ์ของโมเดลนี้จะช่วยให้เห็นรูปแบบที่ซ้ำกันใน time series และทำความเข้าใจได้ว่าข้อมูลในอดีตนานแค่ไหนที่ยังมีประโยชน์ในการพยากรณ์อนาคต

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning สำหรับข้อมูล Time Series ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • แทนที่ค่าที่หายไปใน prices_perc_shifted ด้วยค่ามัธยฐานของ DataFrame แล้วกำหนดให้กับตัวแปร X
  • แทนที่ค่าที่หายไปใน prices_perc ด้วยค่ามัธยฐานของ Series แล้วกำหนดให้กับตัวแปร y
  • Fit โมเดล regression โดยใช้อาร์เรย์ X และ y

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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(____, ____)
แก้ไขและรันโค้ด