Definindo o pipeline de previsão
Agora você vai definir o modelo de previsão e os parâmetros para o pipeline do MLForecast. Esta etapa prepara a configuração do modelo que será usada para previsão de séries temporais no pipeline.
Este exercício faz parte do curso
Projetando Pipelines de Previsão para Produção
Instruções do exercício
- Importe
LGBMRegressordelightgbm. - Instancie um modelo
LGBMRegressorcom100estimadores e taxa de aprendizado (learning rate) de0.05. - Crie um dicionário chamado
paramsque inclua a frequência ("h"), os lags (1-24) e os recursos de data ("month","day","dayofweek","week"e"hour").
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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"]
}