python中线性回归分类器的输入批处理

我想使用3年窗口批处理2000-2020年的输入，同时用python创建一个线性回归算法，看看这三年对第四年的数据意味着什么

输入数据示例：[2000,2001,2002]，[2001,2002,2003]，[2002,2003,2004]

产出数据：[2003]，[2004][2005]

我希望我的分类器能够解析2000-2020年的整个数据集，并将线性回归结果作为一个整体进行拟合

---

多年来，我一直在思考for循环，但我没有“我迄今为止已经完成了”的示例代码，但如果我理解正确，我的reg.fit（x，y）命令将在每次循环中重置fit，最终我的fit将成为[2017、2018、2019]和[2020]的输入作为覆盖所有先前拟合的输出。

我假设目标是预测类似于您的示例的内容，即您有3个数据点作为输入：

• X1:N-4至N-2年滑动窗口上的值v
• X2：从N-3年到N-1年的滑动窗口上的值v
• X3:N-2至N年滑动窗口上的v值

你想预测下一个滑动窗口从N-1年到N+1年的Y代表v

在ML design中，此选项意味着您有三个功能，即线性回归模型的3个输入维度。换句话说，单个实例由（X1，X2，X3，Y）组成。通常，训练集由多个这样的实例组成，因此可以基于训练集中的所有实例训练单个模型

---

该选项的优点是，该模型将考虑3年v期对下一年v期的影响随年份的变化。然而，该模型只能预测下一年，而在单一维度X上训练的模型可能预测任何一年。

这是一个设计问题，对于or可能更好。