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 merupakan bagian dari kursus

Merancang Pipeline Peramalan untuk Produksi

Lihat Kursus

Instruksi 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 langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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