Trường hợp đặc biệt: Mô hình tự hồi quy (Auto-regressive)
Giờ bạn đã tạo các phiên bản dịch thời gian của một chuỗi thời gian đơn lẻ, bạn có thể huấn luyện một mô hình tự hồi quy (auto-regressive). Đây là một mô hình hồi quy trong đó các đặc trưng đầu vào là các phiên bản dịch thời gian của chính chuỗi thời gian đầu ra. Bạn đang dùng các giá trị trước đó của một chuỗi thời gian để dự đoán các giá trị hiện tại của chính chuỗi đó (vì vậy gọi là tự hồi quy).
Bằng cách xem xét các hệ số của mô hình này, bạn có thể khám phá các mẫu lặp lại tồn tại trong chuỗi thời gian và hình dung được một điểm dữ liệu trong quá khứ bao xa thì còn khả năng dự đoán cho tương lai.
Bài tập này là một phần của khóa học
Machine Learning cho Dữ liệu Chuỗi thời gian bằng Python
Hướng dẫn bài tập
- Thay thế các giá trị thiếu trong
prices_perc_shiftedbằng trung vị của DataFrame và gán choX. - Thay thế các giá trị thiếu trong
prices_percbằng trung vị của series và gán choy. - Huấn luyện một mô hình hồi quy bằng cách sử dụng các mảng
Xvày.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Replace missing values with the median for each column
X = prices_perc_shifted.____(np.____(prices_perc_shifted))
y = prices_perc.____(np.___(prices_perc))
# Fit the model
model = Ridge()
model.fit(____, ____)