Trực quan hóa giá trị dự đoán
Khi làm việc với dữ liệu chuỗi thời gian, việc vẽ trực quan các dự đoán của mô hình chồng lên các giá trị "thực tế" dùng để kiểm tra mô hình là rất hữu ích.
Trong bài tập này, sau khi chia dữ liệu (lưu trong biến X và y) thành tập huấn luyện và tập kiểm tra, bạn sẽ xây dựng một mô hình rồi trực quan hóa các dự đoán của mô hình chồng lên dữ liệu kiểm tra để ước lượng hiệu năng của mô hình.
Bài tập này là một phần của khóa học
Machine Learning cho Dữ liệu Chuỗi thời gian bằng Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
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)