Het model fitten

Nu je model en parameters klaar zijn, initialiseer je MLForecast en fit je deze op de tijdreeksdata.

De variabelen model en params uit de vorige oefening zijn beschikbaar, samen met de DataFrame ts.

Deze oefening maakt deel uit van de cursus

Forecasting-pijplijnen ontwerpen voor productie

Bekijk cursus

Oefeninstructies

Maak een MLForecast-instantie met de naam mlf.
Stel de argumenten freq, lags en date_features in met de bijbehorende sleutels uit de params-dictionary.
Fit het model op de DataFrame ts.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Create an MLForecast instance
mlf = ____(
    # Set the freq, lags, and date_features arguments
  	models=model,
    freq=params["____"],
    lags=params["____"],
    date_features=params["____"]
)

# Fit mlf to the time series data
mlf.fit(____)

Code bewerken en uitvoeren