Zaman içinde model puanı değişkenliğini görselleştirme
Artık her katsayının değişkenliğini değerlendirdiğine göre, aynısını modelin performansı (puanları) için de yapalım. TimeSeriesSplit nesnesinin her test kümesi için giderek daha ileri indeksler kullandığını hatırla. Bu, doğrulama işleminin puanlarını bir zaman serisi olarak ele alabileceğin anlamına gelir. Modelin performansının zaman içinde nasıl değiştiğini görmek için bunu zaman ekseninde görselleştirebilirsin.
Linear regression model nesnesinin bir örneği model içinde, çapraz doğrulama nesnesi cv içinde ve veriler X ve y içinde saklanıyor.
Bu egzersiz
Python ile Zaman Serisi Verileri için Machine Learning
kursunun bir parçasıdırUygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
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))