1. Learn
    2. /
  2. Courses
    3. /
  3. Python 金融机器学习
Connected

Exercise

创建训练集与测试集特征

在拟合线性模型之前，我们需要为特征添加常数项，以便模型包含截距。

我们还要创建训练集和测试集特征。这样可以在训练数据集上拟合模型，并在测试数据集上评估性能。我们始终要在模型未见过的数据上检查表现，以确保没有过拟合，即过于精确地记忆了训练数据中的模式。

对于这样的时间序列，通常将最早的数据作为训练集，将最新的数据作为测试集。这样可以在最新数据上评估模型性能，更贴近对未来未见数据进行预测的真实场景。

Instructions

100 XP
  • 以别名 sm 导入 statsmodels.api 库。
  • 使用 statsmodels 的 .add_constant() 函数为变量 features 添加常数项。
  • 使用 features 或 targets 的 .shape[0] 属性，设置 train_size 为数据点总数（行数）的 85%。
  • 使用 train_size 和 Python 索引（例如 [start:stop]），将 linear_features 和 targets 划分为训练集与测试集。