Mendefinisikan pipeline peramalan

Sekarang Anda akan mendefinisikan model peramalan dan parameter untuk pipeline MLForecast. Langkah ini menyiapkan konfigurasi model yang akan digunakan untuk peramalan deret waktu dalam pipeline.

Latihan ini adalah bagian dari kursus

Merancang Pipeline Peramalan untuk Produksi

Lihat Kursus

Petunjuk latihan

Impor LGBMRegressor dari lightgbm.
Buat instance model LGBMRegressor dengan 100 estimator dan laju pembelajaran (learning rate) 0.05.
Buat kamus bernama params yang mencakup frekuensi ("h"), lag (1-24), dan fitur tanggal ("month", "day", "dayofweek", "week", dan "hour").

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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"]
}

Edit dan Jalankan Kode