Previsión con modelos de ML
Como consultor de ciencia de datos, tu tarea es predecir la demanda horaria de electricidad en EE. UU. En la tarea anterior limpiaste y preparaste los datos. Ahora toca usar modelos de machine learning para construir tu pronóstico.
Antes vimos el flujo de trabajo de statsforecast, y ahora aplicarás los mismos principios con mlforecast.
Los conjuntos train y test, así como los modelos (LGBMRegressor(), XGBRegressor(), LinearRegression()), ya están precargados.
La clase MLForecast se ha importado desde el paquete mlforecast, lista para usar. ¡Vamos a construir tu pronóstico!
Este ejercicio forma parte del curso
Diseño de canalizaciones de predicción para producción
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Define the ML models
ml_models = [____(), XGBRegressor(), LinearRegression()]
# Set up the MLForecast object with models and frequency
mlf = ____(
models= ____,
freq='____',
lags=list(range(1, 24)),
date_features=['year', 'month', 'day', 'dayofweek', 'quarter', 'week', 'hour'])