基于时间的交叉验证

最后，让我们可视化 scikit-learn 中"时间序列交叉验证迭代器"的行为。请使用该对象最后再遍历一次您的数据，并在每次迭代中可视化用于拟合模型的训练数据。

工作区中已提供线性回归 model 实例。同时也提供了数组 X 和 y（训练数据）。

本练习是课程的一部分

Python 中的时间序列机器学习

查看课程

练习说明

从 sklearn.model_selection 导入 TimeSeriesSplit。
实例化一个包含 10 次划分的时间序列交叉验证迭代器。
迭代遍历每个 CV 划分。在每次迭代中，可视化该迭代用于训练模型的输入数据取值。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Import TimeSeriesSplit
____

# Create time-series cross-validation object
cv = ____

# Iterate through CV splits
fig, ax = plt.subplots()
for ii, (tr, tt) in enumerate(cv.split(X, y)):
    # Plot the training data on each iteration, to see the behavior of the CV
    ax.plot(tr, ii + y[tr])

ax.set(title='Training data on each CV iteration', ylabel='CV iteration')
plt.show()

编辑并运行代码