Hacktoberfest 2026 : les issues que les mainteneurs ont marquées pour octobre, ouvertes et accessibles aux débutants. Parcourir les issues Hacktoberfest

Hyper tunning Prophet model for time series forecasting

Ouverte
#1,887 0 commentaires 0 réactions 0 personnes assignées Voir sur GitHub

Personne n'a encore pris cette issue.

Évaluation

Difficulté
4/5
Temps estimé
3-5 jours
Accessibilité débutants
25/100
Type d'issue
Documentation
Clarté
À clarifier
Activité
À l'abandon
Stack technique
jupyter-notebook, python
Domaine
data, machine-learning

Piste de recherche

L’issue ne nomme aucun notebook, fichier, test ni point d’entrée. Commencez par clarifier quel exemple Prophet et quel workflow d’ajustement des hyperparamètres sont attendus, puis définissez, avant l’implémentation, les entrées de l’exemple, la méthode d’évaluation et les critères d’achèvement.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Description

Hello,

How can we use hyper tunning to optimize Prophet model for time series forecasting ?

An example would be great!

Thanks

Langage dominant
Jupyter Notebook
Étoiles
4.4k
Forks
2.6k
Aucune PR mergée en 30 j

Guide de contribution

Aucun guide de contribution indexé pour ce dépôt

Par où commencer

  1. Lisez l'issue en entier, puis le guide de contribution du projet.
  2. Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
  3. Forkez le dépôt et travaillez sur une branche.
  4. Ouvrez une pull request qui référence le numéro de l'issue.

Autres issues de Azure/MachineLearningNotebooks

Toutes les issues de Azure/MachineLearningNotebooks

Issues similaires

Plus d'issues Data Engineering

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.