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python中线性回归分类器的输入批处理,python,parsing,machine-learning,linear-regression,batching,Python,Parsing,Machine Learning,Linear Regression,Batching,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
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
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。