Modelle mit Backtesting trainieren
Aufbauend auf den vorherigen Übungen bewertest du jetzt deine Modelle mit Backtesting. Du definierst 4 Partitionen, jeweils mit einer 12-Stunden-Verschiebung und einem 72-Stunden-Testfenster, und führst den Prozess mit der Methode cross_validation() aus.
Das DataFrame ts und das initialisierte MLForecast-Objekt (mlf) sind bereits geladen, sodass du dich auf das Einrichten und Ausführen des Backtestings konzentrieren kannst. Los geht's!
Diese Übung ist Teil des Kurses
Forecasting-Pipelines für die Produktion entwerfen
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Import a library for interval calibration
from mlforecast.utils import ____
# Set parameters
h = ____
step_size = ____
partitions = 4
n_windows = 3
method = "conformal_distribution"
levels = [95]
# Initialize PredictionIntervals
pi = ____(h=____, n_windows=____, method=____)