特殊情况：自回归模型
现在，您已经为单个时间序列创建了时间移位版本，可以拟合一个"自回归（auto-regressive）"模型了。这是一种回归模型，其输入特征是输出时间序列数据的时间移位版本。也就是说，您使用该时间序列的过去取值来预测同一序列的当前取值（因此称为自回归）。
通过研究该模型的系数，您可以探索时间序列中是否存在重复模式，并了解一个数据点在多早之前开始对未来具有预测性。
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
- 将
prices_perc_shifted中的缺失值用该 DataFrame 的中位数替换，并赋值给X。 - 将
prices_perc中的缺失值用该序列的中位数替换，并赋值给y。 - 使用
X和y数组拟合一个回归模型。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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(____, ____)