Fitting the model

Now that your model and parameters are ready, you'll initialize MLForecast and fit it to the time series data.

The model and params variables from the previous exercise are available, along with the ts DataFrame.

Den här övningen är en del av kursen

Designing Forecasting Pipelines for Production

Visa kurs

Övningsinstruktioner

Create an MLForecast instance named mlf.
Set the freq, lags, and date_features arguments using the respective keys from the params dictionary.
Fit the model to the ts DataFrame.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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(____)

Redigera och kör kod