Tính độ biến thiên của hệ số mô hình
Trong bài học này, bạn sẽ chạy lại quy trình cross-validation như trước, nhưng lần này tập trung vào độ ổn định của mô hình theo thời gian. Bạn sẽ khảo sát các hệ số của mô hình cũng như mức độ bất định trong dự đoán của nó.
Bắt đầu bằng cách đánh giá tính ổn định (hoặc mức độ bất định) của các hệ số mô hình qua nhiều lần chia CV. Hãy nhớ rằng, các hệ số phản ánh mẫu hình mà mô hình của bạn tìm thấy trong dữ liệu.
Một thể hiện của đối tượng Linear regression (model) đã có sẵn trong workspace của bạn. Các mảng X và y (dữ liệu) cũng đã sẵn sàng.
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.
# Iterate through CV splits
n_splits = 100
cv = TimeSeriesSplit(n_splits=____)
# Create empty array to collect coefficients
coefficients = np.____([n_splits, X.shape[1]])
for ii, (tr, tt) in enumerate(cv.split(X, y)):
# Fit the model on training data and collect the coefficients
model.fit(X[tr], y[tr])
coefficients[ii] = ____