Как использовать fit_model.forecast () для модели прогнозирования AutoML?

Question

Скажем, у меня есть набор данных с ежемесячной гранулярностью со следующими столбцами:

• Метка времени
• Проблемы (т. Е. Количество проблем GitHub)

Существуют данные за каждый месяц за весь 2016–2019 годы, поэтому я делю эти данные соответственно.

• training_data: 2016–2017
• validation_data: 2018
• holdout_data: 2019

Если у меня есть fitted_model, то есть ForecastingPipelineWrapper, который является лучшим прогоном из AutoML, где я прошел, дал ему training_data и validation_data.

Просмотр документации по ForecastingPipelineWrapper класса только запутывает меня больше. Что такое X_past, X_future и Y_future?

Как использовать указанные выше кадры данных с fitted_model.forecast() для ручной проверки соответствия модели на holdout_data кадре данных?

Answer 1

В следующей записной книжке показано, как использовать y_past, x_past, y_future, x_future и fit_model.forecast в нижней части «Прогнозирование вдали от данных обучения». https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/automated-machine-learning/forecasting-high-frequency/auto-ml-forecasting-function.ipynb

Записная книжка станет гораздо лучшим руководством для понимания этих концепций, чем, возможно, документальная строка c. Если у вас есть еще вопросы или вам нужна ясность, сообщите нам!