Візуалізація прогнозованих значень
Працюючи з часовими рядами, корисно візуалізувати прогнози моделі поверх «фактичних» значень, які використовують для перевірки моделі.
У цій вправі після розбиття даних (у змінних X і y) на тренувальну та тестову вибірки ви побудуєте модель, а потім візуалізуєте її прогнози поверх тестових даних, щоб оцінити якість роботи моделі.
Ця вправа є частиною курсу
Machine Learning для часових рядів у Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
from sklearn.model_selection import train_test_split
from sklearn.metrics import r2_score
# Split our data into training and test sets
X_train, X_test, y_train, y_test = train_test_split(____, ____,
train_size=.8, shuffle=False)
# Fit our model and generate predictions
model = Ridge()
model.fit(____, ____)
predictions = model.predict(____)
score = r2_score(y_test, predictions)
print(score)