Ajustando o modelo

Agora que seu modelo e seus parâmetros estão prontos, você vai inicializar MLForecast e ajustá-lo aos dados de séries temporais.

As variáveis model e params do exercício anterior estão disponíveis, assim como o DataFrame ts.

Este exercício faz parte do curso

Projetando Pipelines de Previsão para Produção

Ver curso

Instruções do exercício

Crie uma instância de MLForecast chamada mlf.
Defina os argumentos freq, lags e date_features usando as chaves correspondentes do dicionário params.
Ajuste o modelo ao DataFrame ts.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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(____)

Editar e executar o código