Хранение нескольких моделей XGBoost

У меня есть набор данных, который представляет собой временной ряд. Я хотел бы тренировать одну модель XGB на каждый день во временном ряду. Я хотел использовать цикл for, но я не уверен, как правильно хранить все модели и иметь возможность вызывать их позже. Это то, что у меня было до сих пор:

for date in range(minDate, maxDate):
   model[date] = xgb.train(params, data)

Но я не уверен, что model[date] должно быть? Может ли это быть массив numpy?

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
0
0
92
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Вы можете использовать словарь с датами в качестве ключей:

model = {}
for date in range(minDate, maxDate):
   model[date] = xgb.train(params, data)

Затем позже вы можете вызвать любую модель для заданной даты Random Date, скажем, для прогнозирования вывода с учетом некоторых входных данных.

model[RandomDate].predict(inputs)

Другие вопросы по теме