Python 无法理解熊猫中的预测算法

我是机器学习新手，我正在运行一个代码，该代码将使用pandas、quandl分析一组数据，该代码运行良好，并给出输出，但我无法理解该代码的两行，我正在发布该代码

import pandas as pd
import quandl
import math

df = quandl.get('WIKI/GOOGL')
df = df[['Adj. Open','Adj. High','Adj. Low','Adj. Close','Adj. Volume',]]
df['HL_PCT'] = (df['Adj. High'] - df['Adj. Close'])/ df['Adj. Close']*100.0
df['PCT_change'] = (df['Adj. Close']  - df['Adj. Open']) / df['Adj. Open'] * 
100.0



df = df[['Adj. Close','HL_PCT','PCT_change','Adj. Volume']]

forecast_col = 'Adj. Close'
#filling the NAN datas
df.fillna(-99999,inplace=True)
// this line i am unable to understand
forecast_out = int(math.ceil(0.02*len(df)))
// this line i am unable to understand
df['label'] = df[forecast_col].shift(-forecast_out)
df.dropna(inplace=True)
print(df.head())

---

我无法理解ceil函数中0.1的用途，以及此代码为什么使用shift函数，为什么使用-forecast\u out？因为forecast\u out给出了一些不同的值。我们已经用一些数据填补了NAN职位，但是为什么我们要放弃NAN？请帮助

在机器学习中，通常会有数据样本，每个样本都有特性和标签（许多api都希望这样，比如scikit learn）。在您的示例中，每个示例都是数据帧的一行。要预测的值是

forecast\u col

。因为你看的是股票数据，所以你想预测未来会发生什么。“预测”现在发生的事情是没有意义的（你可以观察它）。

forecast\u out

值是一些任意值，在这种情况下，它用于表示您将提前多少时间预测“Adj”。关闭'

shift

方法将观测值与预测的未来值对齐。然后，有了这个数据框架，您就可以轻松地使用scikit学习拟合模型

lr = sklearn.linear_model.LinearRegression()
lr.fit(df[['HL_PCT','PCT_change','Adj. Volume']], df[forecast_col])

---

该模型将根据当前观测值预测未来几天的情况。

我遵循了相同的教程，遇到了与您相同的问题，我是如何解决的： math_ceil（）：四舍五入到最大值，例如：

  math_ceil(4.5)

会议的主题是：

5

然后，代码将乘以：

(0.02*len(df))  

len（df）基本上是数据集的大小，在本例中为3424

(print (len(df))

换言之，我们正在跟踪3424天的数据，现在在我们的案例中，我们将预测未来会发生什么，但显然，我们不会在3424天的时间范围内进行跟踪，但我们将对未来进行一次小规模的预测，在我们的案例中，这将是69天（占我们总数据的2%）除了我们的分类器中的最后一个数据之外，我们还可以查看该时期的价格

总结一下：

 forecast_out = int(math.ceil(0.02*len(df))) 

等于69

现在，我们将使用变量forcast_out来确定标签：

  df['label'] = df[forecast_col].shift(-forecast_out)

这个公式意味着我们正在将数据集的列向上移动，因此在我们的视野中出现的是69天后的股价

下面是代码，其中包含更多详细信息，您可以尝试使用它

forecast_col ='Adj. Close'
df.fillna(-99999,inplace=True)

forecast_out=int(math.ceil(0.02*len(df)))
print ("Dataset= " + str(len(df)))
print ("Forecasting after how many days = " + str(forecast_out))
df['label']=df[forecast_col].shift(-forecast_out)
df.dropna(inplace=True)
print(df.tail())

---

谢谢你的回答，但我不明白int（math.ceil（0.02*len（df））和shift（-forecast_out）的用法是什么？这意味着我了解到模型试图在Adj的基础上预测某些值。按列标签关闭列。但他们为什么写0.02*len（df）？那是我不明白的。那部分对我来说也没有意义。提前预测时间是数据集大小的2%。我做机器学习已经有一段时间了，从来没有见过。对不起，如果没有更多的背景，我想我无法提供更多的见解。通常，这是一个任意的数字，例如我想提前20天预测。