Регрессионная модель, прогнозирование. Проблема с построением прогноза

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
import seaborn as sns
%matplotlib inline     #загружаю необходимые данные
data = pd.read_csv('C:/Users/Python/bikes.csv')
 
 
data.shape 
data.info()
 
 
%matplotlib inline   
from matplotlib import pyplot as plt
import seaborn as sns
sns.violinplot(data['holiday'], data['cnt']);  #визуально смотрю на зависимость объема продаж от дня недели
 
X_df, y_series = data.drop('cnt', axis=1), data['cnt'] #убираю Y
 
 
from sklearn.linear_model import LinearRegression, Lasso, LassoCV, \
                                Ridge, RidgeCV                                                               #что я буду использовать
 
 
ols = LinearRegression(normalize=True) #линейная
 
 
train_share = 0.7
train_part_len = int(train_share * data.shape[0])
X_train  = X_df.values[:train_part_len, :]
X_valid = X_df.values[train_part_len:, :]
y_train  = y_series.values[:train_part_len]
y_valid = y_series.values[train_part_len:]
 
 
from sklearn.metrics import mean_squared_error
 
 
ols.fit(X_train, y_train)   #здесь я так понял, модель обучается на тестовой и тренировочной выборке
 
y_ols_pred = ols.predict(X_valid)
 
 
def rmse(y, p):
    return np.sqrt(mean_squared_error(y, p))
 
 
def beatiful_coef(coefs, feature_names=X_df.columns):
    return pd.DataFrame(coefs, index=feature_names,
                       columns=['coef']).sort_values('coef',
                                                  ascending=False)
 
 
rmse(y_valid, y_ols_pred)  # ошибка
 
### подскажите, пожалуйста, а как мне сделать прогноз на N кол-во периодов. Я знаю данные по Х1 и Х2 в будущем, как мне с учетом этого спрогнозировать Y. Помогите с кодом, что необходимо сделать и как отобразить графически прогноз и обучение модели на данных.