Previsão com Modelos de ML
Como consultor(a) de ciência de dados, sua tarefa é prever a demanda horária de eletricidade nos EUA. Na tarefa anterior, você limpou e preparou os dados. Agora, é hora de usar modelos de Machine Learning para construir sua previsão.
Já vimos o fluxo de trabalho do statsforecast, e agora você vai aplicar os mesmos princípios usando o mlforecast.
Os conjuntos de dados train e test, assim como os modelos (LGBMRegressor(), XGBRegressor(), LinearRegression()), já estão pré-carregados.
A classe MLForecast foi importada do pacote mlforecast e está pronta para uso. Vamos construir sua previsão!
Este exercicio faz parte do curso
Projetando Pipelines de Previsão para Produção
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
# 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'])