Mendefinisikan model peramalan
Sebagai konsultan data science, Anda diminta untuk memprediksi permintaan listrik per jam di AS. Sebelum masuk ke pelatihan dan pengujian, Anda perlu terlebih dahulu mendefinisikan model Machine Learning Anda: ElasticNet, KNeighborsRegressor, dan MLPRegressor. Setelah itu, Anda akan menginisialisasi objek MLForecast dengan parameter utama.
Untuk menangkap ketergantungan temporal, Anda akan meregresikan deret waktu terhadap 24 lag terakhir dan menyertakan fitur musiman seperti hari dalam minggu dan jam dalam hari. Pengaturan ini akan menjadi fondasi untuk membangun prakiraan yang andal.
Latihan ini adalah bagian dari kursus
Merancang Pipeline Peramalan untuk Produksi
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
from sklearn.neighbors import KNeighborsRegressor
from sklearn.neural_network import MLPRegressor
from sklearn.linear_model import ElasticNet
# Define machine learning models for forecasting
ml_models = {"knn": ____(), "mlp": ____(), "enet": ____()}