awslabs/gluonts

Add exogenous features to `statsforecast` model wrappers

Ouverte

#2 410 ouverte le 2 nov. 2022

Voir sur GitHubGuide contributeur
 (0 commentaire) (0 réaction) (0 personne assignée)Python (753 forks)batch import
enhancementgood first issue

Métriques du dépôt

Stars
 (3 888 étoiles)
Métriques de merge PR
 (Merge moyen 26j 17h) (4 PRs mergées en 30 j)

Description

Description

The wrapper for statsforecast models added in #2360 does not use any exogenous features (only the past target is passed on to the model). It would be good to allow other standard fields from data entries, like at least feat_dynamic_real (or the past_ one) and feat_static_real, to be used.

Reference

See statsforecast's documentation on exogenous features: https://nixtla.github.io/statsforecast/examples/exogenous.html

Guide contributeur

Direction de recherche
Consultez la documentation de statsforecast sur les caractéristiques exogènes et le code du wrapper existant dans gluonts, puis modifiez le wrapper pour transmettre les caractéristiques exogènes au modèle statsforecast.
Stack technique
python
Domaine
machine learning
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
3
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
Une demi journée
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Active
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Claire
Prérequis
PythonGitstatsforecast
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
65