预测 API：使用 Django 和 Google 趋势的示例
预测 API 示例：Django 和 Google 趋势
构建一个用于预测Google趋势演变的网络应用程序。
- 简介
- Django模型
- 服务：数据源，预处理，机器学习，任务
- 交互层：序列化器，视图，端点
- 结论
简介
什么是Django？
Django是一个高级的Python Web框架。它被设计成快速、安全和可扩展的，因此成为开发复杂Web应用程序的流行选择。您可以查看此教程以了解Django的介绍。
在这个示例中，我们将使用Django Rest Framework (DRF)，它是Django的扩展，可以简化REST API的开发。您可以查看此教程以了解DRF的介绍。
需求
我们将通过列出一些假设的需求来开始设计我们的应用程序：
- 总体目标：实现一个预测未来时间序列值的系统。
- 数据：Google Trends的周频率的特征和目标数据，可能在将来进行扩展。数据应该是按需下载的。
- 预处理：仅使用滞后值。
- 机器学习模型：全局LightGBM模型（如果想了解全局模型与局部模型的更多信息，请参考本文）。
- 推理：生成在线预测（与批量预测相反），但无需提供输入特征。
本教程中使用的完整代码可以在此处找到。
设置环境
让我们从列出所需的依赖项开始。
python = "^3.8"Django = "^4.2.1"lightgbm = "^3.3.5"pandas = "^2.0.1"djangorestframework = "^3.14.0"pytrends = "^4.9.2"drf-extensions = "^0.7.1"我们将使用poetry管理依赖项，并使用Docker对项目进行容器化。您可以在此处查看此项目中使用的poetry和docker文件。
