可视化预测值
在处理时间序列数据时，把模型预测叠加到用于测试模型的"真实"数值上进行可视化非常有用。
在本练习中，您将把数据（存储在变量 X 和 y 中）划分为训练集和测试集，构建模型，然后将模型在测试数据上的预测与"真实"值叠加绘制出来，以便评估模型性能。
本练习是课程的一部分
Python 中的时间序列机器学习
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.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)