拟合一个简单的回归模型
现在我们来看更多公司的数据。回顾一下，我们已经拥有多家公司的历史价格。让我们使用几家公司的数据来预测一个测试公司的价格。您将尝试用 NVidia、Ebay 和 Yahoo 的数值来预测 Apple 的股价。每家公司都存储为 all_prices DataFrame 的一列。下面是公司名称到列名的映射：
ebay: "EBAY"
nvidia: "NVDA"
yahoo: "YHOO"
apple: "AAPL"
我们将用这些列来定义模型中的输入/输出数组。
本练习是课程的一部分
Python 中的时间序列机器学习
练习说明
- 使用给定的列名创建
X和y数组。 - 输入值应来自公司 "ebay"、"nvidia" 和 "yahoo"
- 输出值应来自公司 "apple"
- 使用这些数据通过交叉验证来训练并评估模型。
交互式实操练习
通过完成这段示例代码来试试这个练习。
from sklearn.linear_model import Ridge
from sklearn.model_selection import cross_val_score
# Use stock symbols to extract training data
X = all_prices[[____]]
y = all_prices[[____]]
# Fit and score the model with cross-validation
scores = cross_val_score(Ridge(), ____, ____, cv=3)
print(scores)