awslabs/gluonts

Add exogenous features to `statsforecast` model wrappers

Open

#2410 aperta il 2 nov 2022

Vedi su GitHub
 (0 commenti) (0 reazioni) (0 assegnatari)Python (753 fork)batch import
enhancementgood first issue

Metriche repository

Star
 (3888 star)
Metriche merge PR
 (Nessuna PR mergiata in 30 g)

Descrizione

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

Guida contributor

Direzione di ricerca
Esamina l'implementazione esistente del wrapper statsforecast aggiunta nella PR #2360 per comprendere come funziona attualmente il wrapper del modello. Identifica la specifica classe wrapper e il suo metodo che passa i dati al modello. Quindi, modifica quel metodo per accettare argomenti aggiuntivi per caratteristiche esogene come feat dynamic real e feat static real, seguendo la documentazione di statsforecast all'indirizzo https://nixtla.github.io/statsforecast/examples/exogenous.html. Assicura la compatibilità con la struttura dati esistente.
Tech stack
python
Dominio
datamachine learning
Tipo issue
Funzionalità
DifficoltàQuanto dovrebbe essere impegnativa per un nuovo contributor.
3
Tempo stimatoTempo stimato per completare e verificare uno scope piccolo.
1-2 giorni
Stato attivitàQuanto è probabile che la issue sia ancora attiva e reviewable.
Datata
ChiarezzaQuanto chiaramente la issue descrive problema, scope e risultato atteso.
Chiara
Prerequisiti
Pythontime series fundamentals
Adatta ai principiantiQuanto la issue è adatta a contributor alla prima esperienza.
50