Навчання простої моделі регресії
Тепер розглянемо більшу кількість компаній. Нагадаємо, що у нас є історичні ціни для багатьох компаній. Використаймо дані з кількох компаній, щоб передбачити значення тестової компанії. Ви спробуєте спрогнозувати ціну акцій Apple за значеннями NVidia, Ebay і Yahoo. Кожна з них зберігається як стовпець у датафреймі all_prices. Нижче наведено відповідність між назвою компанії та назвою стовпця:
ebay: "EBAY"
nvidia: "NVDA"
yahoo: "YHOO"
apple: "AAPL"
Ми використаємо ці стовпці, щоб визначити вхідні та вихідні масиви у нашій моделі.
Ця вправа є частиною курсу
Machine Learning для часових рядів у Python
Інструкції до вправи
- Створіть масиви
Xіy, використовуючи наведені назви стовпців. - Вхідні значення мають бути з компаній «ebay», «nvidia» та «yahoo»
- Вихідні значення мають бути з компанії «apple»
- Використайте дані, щоб натренувати модель і оцінити її за допомогою крос-валідації.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
from sklearn.linear_model import Ridge
from sklearn.model_selection import cross_val_score
# Use stock symbols to extract training data
X = all_prices[[____]]
y = all_prices[[____]]
# Fit and score the model with cross-validation
scores = cross_val_score(Ridge(), ____, ____, cv=3)
print(scores)