Definir la canalización de predicción
Ahora vas a definir el modelo de predicción y los parámetros para la canalización de MLForecast. Este paso prepara la configuración del modelo que se usará para la predicción de series temporales en la canalización.
Este ejercicio forma parte del curso
Diseño de canalizaciones de predicción para producción
Instrucciones del ejercicio
- Importa
LGBMRegressordelightgbm. - Instancia un modelo
LGBMRegressorcon100estimadores y una tasa de aprendizaje de0.05. - Crea un diccionario llamado
paramsque incluya la frecuencia ("h"), los retardos (1-24) y las características de fecha ("month","day","dayofweek","week"y"hour").
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Import LGBMRegressor from lightgbm
from ____ import ____
# Instantiate the model
model = ____(n_estimators=____, learning_rate=____)
# Set the model parameters
params = {
"freq": "____",
"lags": list(range(____, ____)),
"date_features": ["month", "day", "____", "____", "hour"]
}