Machine Learning Models

Questo repository contiene script di esempio per quanto riguarda modelli di Machine Learning per fare previsioni su serie temporali (forecasting) tramite un approccio a finestra (lookback).

Caratteristiche principali

• Creazione di dataset a finestra mobile (lookback)
• Addestramento di un XGBRegressor
• Previsione iterativa (rolling) di nfore passi
• Visualizzazione grafica del risultato con matplotlib

File principali

• XGBoost.py — script Python principale.
• BoxJenkins.csv — dataset di esempio incluso (lo script usa per default la seconda colonna).
• M3C_monthly.CSV — altro dataset incluso (opzionale).
• RandomForest.py — script per addestrare un modello di Random Forest, usando il dataset M3C_monthly.CSV.
• transformerAirlines.py — script per addestrare un modello Transformer su un dataset di passeggeri aerei.
• XGBoostOptuna.py — script per ottimizzare gli iperparametri di XGBoost usando Optuna.

Requisiti

• Python 3.8+ (consigliato 3.9/3.10)
• Librerie Python: numpy, pandas, matplotlib, scikit-learn, xgboost, torch, seaborn, optuna.

Installazione rapida

1. Crea e attiva un virtualenv (consigliato):

python -m venv .venv
.\.venv\Scripts\activate

Uso

1. Posizionati nella cartella del progetto (dove si trova XGBoost.py, RandomForest.py o transformerAirlines.py).

2. Esegui lo script con il dataset di default:

python "nameofthefile".py