Daha düzgün bir zaman serisiyle otoregresyon
Şimdi, aynı işlemi daha düzgün bir sinyal kullanarak tekrar çalıştıralım. Daha önceki gibi aynı yüzde değişim (percent change) algoritmasını kullanacaksın, fakat bu kez çok daha büyük bir pencere kullan (20 yerine 40). Pencere büyüdükçe komşu zaman noktaları arasındaki fark küçülür ve ortaya daha düzgün bir sinyal çıkar. Sence bu durum otoregresif modele ne yapar?
40'lık pencere kullanacak şekilde güncellenmiş prices_perc_shifted ve model çalışma alanında hazır.
Bu egzersiz
Python ile Zaman Serisi Verileri için Machine Learning
kursunun bir parçasıdırEgzersiz talimatları
Son egzersizde oluşturduğun (visualize_coefficients()) fonksiyonu kullanarak, model katsayıları ve prices_perc_shifted sütun adlarıyla bir grafik üret.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# Visualize the output data up to "2011-01"
fig, axs = plt.subplots(2, 1, figsize=(10, 5))
y.loc[:'2011-01'].plot(ax=axs[0])
# Run the function to visualize model's coefficients
visualize_coefficients(____, ____, ax=axs[1])
plt.show()