視覺化預測值
在處理時間序列資料時，將用來測試模型的「實際」數值與模型的預測結果疊圖比較，會很有幫助。
在這個練習中，你會先把資料（存放在變數 X 和 y）切分為訓練集與測試集，接著建立模型，最後把模型在測試資料上的預測結果與實際值疊圖，來估計模型的表現。
本練習屬於課程
Python 的時間序列資料機器學習
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
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)