特殊情況：自我迴歸模型
既然你已經建立了同一時間序列的時移版本，就可以擬合一個「自我迴歸（auto-regressive）」模型。這是一種迴歸模型，輸入特徵是輸出時間序列資料的時移版本。你會使用時間序列的過去數值來預測同一時間序列的現在數值（因此稱為自我迴歸）。
透過檢視此模型的係數，你可以探索時間序列中是否存在重複模式，並了解一個資料點在過去多遠時，仍具有對未來的預測力。
本練習屬於課程
Python 的時間序列資料機器學習
練習說明
- 將
prices_perc_shifted中的遺漏值以整個 DataFrame 的中位數取代，並指定給X。 - 將
prices_perc中的遺漏值以該 series 的中位數取代，並指定給y。 - 使用
X和y陣列來擬合一個迴歸模型。
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。
# 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(____, ____)