Para empezar, simplemente fija un lookback, un horizon (no uses uno muy grande por ahora), y carga un modelo de los descargados que haya sido entrenado con esa configuración. Después, haz inferencia con él:
Prueba primero con un tensor aleatorio de las dimensiones que desees (torch.randn te genera tensores aleatorios de las dimensiones que le digas).
Cuando veas que las dimensiones de la salida del modelo coincidan, prueba a cargar datos reales. Usa la medida de las 20:00. Para comprobar que el modelo funciona más o menos bien, puedes cargar una ventana de datos aleatoria en vez de la última ventana, porque así luego puedes pintar no sólo las predicciones, sino los valores reales de la señal, y ver qué tal son los resultados.
Pinta los resultados a ver qué pinta tienen. Si más o menos correcto, puedes pasar a cargar el ensemble que corresponda a ese valor de H. Tendrás que hacer una inferencia por cada uno de los modelos del ensemble, y promediar punto a punto los resultados. También calcula la desviación típica para poder pintar la incertidumbre de las predicciones.
Para empezar, simplemente fija un lookback, un horizon (no uses uno muy grande por ahora), y carga un modelo de los descargados que haya sido entrenado con esa configuración. Después, haz inferencia con él:
torch.randn
te genera tensores aleatorios de las dimensiones que le digas).Pinta los resultados a ver qué pinta tienen. Si más o menos correcto, puedes pasar a cargar el ensemble que corresponda a ese valor de H. Tendrás que hacer una inferencia por cada uno de los modelos del ensemble, y promediar punto a punto los resultados. También calcula la desviación típica para poder pintar la incertidumbre de las predicciones.