Python 我可以用回归模型做样本外预测吗？

使用，我制作了一个sklearn回归模型，用于进行时间序列预测。我能够使用该模型对一组测试数据进行预测，其中我有时间戳，还有自变量数据，因为该模型只接受这些变量，并将输出标签作为预测

---

然而，我不知道如何，甚至不知道我是否可以使用这个模型进行样本外预测，因为我只有一个未来的时间戳，而没有与之相关的自变量数据。是否存在某种递归方法，模型可以使用测试集的数据进行预测，然后使用预测和数据进行下一次预测，等等。？谢谢

是的，但这取决于您是要进行单步预测还是多步预测

对于单步预测，如您所述，使用数据的最后一个可用窗口作为预测函数的输入，这将返回第一步预测值

对于多步骤预测，您有三个选项：

• 直接：为前面的每一步安装一个回归器，并让每个安装的回归器使用最后一个可用窗口进行预测
• 递归：使用最后一个可用窗口进行第一步预测，然后使用第一步预测滚动窗口并再次预测

• DirRec：上述策略的组合，你不用滚动窗口，而是用先前的预测值来扩展它，注意这需要相应地拟合回归

有关详细信息，请参见：

---

还要注意的是，您必须小心地适当评估您的模型。列车和测试集在此设置中不是独立的，因为它们代表相同变量的后续时间点的测量值。所以你必须考虑到潜在的自相关性

嘿！谢谢你的回复。在处理多元数据的情况下，是否需要设置滞后数据集，以便对模型进行训练，以输出自变量和相关标签？原因是，如果我的模型只被训练为输出标签，那么在它为最后一个可用窗口提供输出标签预测之后，它就不能再进行递归预测，因为它没有任何输入变量数据，只有输出标签。在多变量设置中，如果你最终只对预测一个“目标”时间序列感兴趣，你要么（i）需要观察预测期内的外部时间序列变量（或者只有确定性变量，如假日日历）（这称为即时预测），（ii）需要首先基于其他模型预测外生序列，以便可以在（i）或（iii）中使用可以同时预测多个序列的向量预测方法。