如何将 fitted_model.forecast() 用于 AutoML 预测模型？

Question

假设我有一个具有以下列的每月粒度的数据集：

• 时间戳
• 问题（即 GitHub 问题的数量）

有2016-2019年每个月的数据，所以我按数据划分。

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

如果我有一个 fitted_model，它是 ForecastingPipelineWrapper，这是我通过的 AutoML 中最好的 运行，它给了它 training_data 和 validation_data。

查看 ForecastingPipelineWrapper class docstring 文档只会让我更加困惑。什么是 X_past、X_future 和 Y_future？

如何将上述数据框与 fitted_model.forecast() 一起使用以手动验证模型是否适合 holdout_data 数据框？

Answer 1

以下笔记本说明了如何在下半部分利用 y_past、x_past、y_future、x_future 和 fitted_model.forecast，'Forecasting away from training data'. https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/automated-machine-learning/forecasting-high-frequency/auto-ml-forecasting-function.ipynb

笔记本可能比文档字符串文档更能成为掌握这些概念的指南。如果您还有任何问题或需要澄清，请告诉我们！