Özel durum: Otoregresif modeller
Tek bir zaman serisinin zaman kaydırmalı sürümlerini oluşturduğuna göre, artık bir otoregresif model kurabilirsin. Bu, giriş özniteliklerinin çıktı zaman serisi verisinin zaman kaydırılmış sürümleri olduğu bir regresyon modelidir. Aynı zaman serisinin önceki değerlerini, aynı serinin mevcut değerlerini tahmin etmek için kullanıyorsun (bu yüzden otoregresif).
Bu modelin katsayılarını inceleyerek, bir zaman serisinde var olan tekrar eden kalıpları keşfedebilir ve geçmişteki bir veri noktasının geleceği ne kadar geriden etkilediğine dair bir fikir edinebilirsin.
Bu egzersiz
Python ile Zaman Serisi Verileri için Machine Learning
kursunun bir parçasıdırEgzersiz talimatları
prices_perc_shiftediçindeki eksik değerleri DataFrame'in medyanıyla değiştir veXdeğişkenine ata.prices_perciçindeki eksik değerleri serinin medyanıyla değiştir veydeğişkenine ata.Xveydizilerini kullanarak bir regresyon modeli eğit.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# 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(____, ____)