Я пытаюсь использовать подход Auto ML для решения проблемы регрессии временных рядов, возможно, на постоянной основе.Моя система, безусловно, имеет плохие данные, и, похоже, со временем медленно меняет свои параметры.Поэтому я хотел бы более весомо оценить последние данные.Меня больше беспокоит использование весов выборки для окончательной подгонки, чем для поиска гиперпараметра, но оба были бы хороши.
У меня был некоторый успех с TPOT, но, похоже, нет параметра sample_weight дляМетод TPOTRegressor.fit ().Я также попытался передать fit () аргумент **{'gradientboostingregressor__sample_weight': sample_weight} (где последний элемент в конвейере - GradientBoostingRegressor), но это не имеет никакого эффекта.
Предложения от AutoML.org также, по-видимому, не допускают веса выборки.Любой совет о том, как я мог бы сделать это с некоторым подходом Auto ML, надеюсь, с полки?
Я думаю, что следующая вещь, которую я рассмотрю, это Auto-PyTorch, а затем используйте WeightedRandomSampler для окончательной подгонки.