Tahminleme pipeline'ını tanımlama
Şimdi MLForecast pipeline'ı için tahminleme modelini ve parametreleri tanımlayacaksın. Bu adım, pipeline içinde zaman serisi tahmini için kullanılacak model yapılandırmasını hazırlar.
Bu egzersiz
Üretim için Tahmin (Forecasting) Hatları Tasarlama
kursunun bir parçasıdırEgzersiz talimatları
lightgbmiçindenLGBMRegressor'ı içe aktar.100tahminleyici ve0.05öğrenme oranıyla birLGBMRegressormodeli başlat.- Sıklık (
"h"), gecikmeler (1-24) ve tarih özelliklerini ("month","day","dayofweek","week"ve"hour") içerenparamsadlı bir sözlük oluştur.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# 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"]
}