Регрессионные методы python машинное обучение

Задача сводится к предсказанию целевой переменной на основе имеющихся данных с учетом того, что данные распределены по времени. В процессе работы необходимо использовать не менее двух метрик. Результаты обязательно визуализируются. Также вы делаете вывод относительно вашей целевой переменной, о факторах, которые влияют на нее, исходя из ваших результатов.

2 часть задачи - сбалансировать решение при помощи данных. Очень вероятно, что в процессе решения вы получите устойчивые результаты (например, для всех ваших методов), которые все время ниже экспериментального графика. 

2 часть задачи решается введением дополнительной переменной в исходный набор данных (не нужно пытаться изменять уже имеющийся набор данных, проще всего что-то добавить в набор). Поиск этой переменной (ее значений) и является вашей заключительной задачей. То есть необходимо подобрать переменную в количестве 1 шт., при этом которая не являлась бы производной от имеющихся (категорически запрещается использовать «фиктивные» переменные типа номер дня из даты или сдвиги переменных).

Формальная задача сводится к описанию целевой переменной на основе представленных данных, а также к прогнозированию ее значений на последние 12 дней. Запрещается удаление переменных.

Решение предоставить в виде файла с расширением ipybn (Jupiter Notebook)

Делать задание с помощью методов: Lasso, Ridge, Деревья решений - всех трех.

Результаты сравнить, написать какой лучше и почему.