auto-ml: Микро-приложение для удобного авторегрессионного прогноза временных рядов

Как запустить?

1. В папке проекта нужно создать и активировать виртуальное окружение Python

Установить виртуальное окружение в папке проекта можно следующим образом:

python3 -m venv venv

Далее, его активация на разных ОС выглядит по разному. Для Linux и MacOS это выглядит так

source ./venv/bin/activate

Для windows следующим образом

venv\Scripts\activate.bat

2. Далее, нужно загрузить все зависимости

pip install -r requirements.txt

Note: Первые два этапа может автоматически сделать IDE (например, PyCharm)

3. Теперь для запуска приложения напишите в консоль

streamlit run index.py

После чего автоматически в браузере откроется окно

Какие данные нужно импортировать?

Нужно импортировать CSV файлы с разделителем ; и столбцами:

dataset	date	target
Номер датасета	Дата в формате %d.%m.%Y	Значения показателя

Где брать данные

В таком формате данные хранятся на сайте ВАВТа. Только не забудьте удалить метаданные в начале файла (источник, дата последнего обновления и тп)

Как добавлять свои модели?

Вот детальная инструкция. Если какой то момент непонятный, можете смотреть на то как это делается с CatBoost

Со стороны Backend:

1. Создаем файл с классом новой прогнозной модели в models/
2. Наследуем его от ForecastInterface из forecast_interface.py и имплементируем все его методы: preprocess, fit и predict
3. Импортируем класс в __init__.py в этой папке

Все готово, остается лишь добавить его в компоненты для пользователя

Со стороны Frontend:

1. В schemas/models_enum/ModelsEnum добавляем поле с названием нашей модели. Теперь оно отображается в списке выбора модели
2. Далее в components/modelSettings создаем файл с функцией конфигурации нашей модели (какие параметры принимает)
3. После чего импортируем функцию в __init__.py в этой папке, добавляем новую условную конструкцию

Все готово! Можете перезагрузить страницу (если index.py запущен) либо запустить проект