Авторегресія з плавнішим часовим рядом
Тепер ще раз виконаймо ту саму процедуру, але з плавнішим сигналом. Ви використаєте той самий алгоритм percent change, що й раніше, але цього разу з набагато більшим вікном (40 замість 20). Коли вікно збільшується, різниця між сусідніми часовими точками зменшується, у результаті сигнал стає плавнішим. Як ви вважаєте, як це вплине на авторегресійну модель?
prices_perc_shifted і model (оновлену для використання вікна 40) додано до вашого середовища.
Ця вправа є частиною курсу
Machine Learning для часових рядів у Python
Інструкції до вправи
Використовуючи функцію (visualize_coefficients()), яку ви створили в попередній вправі, згенеруйте графік із коефіцієнтами model і назвами стовпців prices_perc_shifted.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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()