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, kursun bir parçasıdır
Python ile Zaman Serisi Verileri için Machine Learning
Egzersiz talimatları
Son egzersizde oluşturduğun (visualize_coefficients()) fonksiyonu kullanarak, model katsayıları ve prices_perc_shifted sütun adlarıyla bir grafik üret.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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()