Previsione con modelli ML
Come consulente di data science, il tuo compito è prevedere la domanda oraria di elettricità negli Stati Uniti. Nel task precedente, hai pulito e preparato i dati. Ora è il momento di usare modelli di machine learning per costruire la tua previsione.
Abbiamo già visto il flusso di lavoro di statsforecast e ora applicherai gli stessi principi usando mlforecast.
I dataset train e test, così come i modelli (LGBMRegressor(), XGBRegressor(), LinearRegression()), sono già caricati.
La classe MLForecast è stata importata dal pacchetto mlforecast ed è pronta all'uso. Costruiamo la tua previsione!
Questo esercizio fa parte del corso
Progettare pipeline di forecasting per la produzione
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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'])