Préparer et visualiser les données
Une préparation de données rigoureuse est essentielle pour construire des modèles de Machine Learning efficaces. Il est temps de mettre en pratique ce que vous avez appris.
Vos données doivent comporter trois colonnes pour la bibliothèque statsforecast :
unique_id: identifiant de la sérieds: horodatage de la sériey: valeurs de la série
Appliquez les étapes nécessaires pour nettoyer et reformater vos données en vue d’un forecasting de séries temporelles. Le jeu de données a été préchargé sous le nom ts, et pandas est importé en tant que pd.
Cet exercice fait partie du cours
<cours>Concevoir des pipelines de prévision pour la production</cours>Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Convert the period column to datetime and sort the data by period
ts["____"] = pd.____(ts["period"])
ts = ts.____("period")