Python 将曲线拟合到一组数据点以进行时间序列预测
我目前有一组数据点(点击次数),它们是按时间序列结构的。数据类似于:Python 将曲线拟合到一组数据点以进行时间序列预测,python,numpy,scipy,scikit-learn,Python,Numpy,Scipy,Scikit Learn,我目前有一组数据点(点击次数),它们是按时间序列结构的。数据类似于: time hits 20 200 32 439 57 512 如何将曲线拟合到这些数据或找到公式,以便预测未来的点?理想情况下,我可以回答这样的问题:“当时间为100时,会有多少视图?” 谢谢你的帮助 编辑:到目前为止我所尝试的: 我尝试了多种方法,包括: 使用sklearn创建逻辑回归(但是,数据没有特征) 从scipy使用optimize.curve\u fit创建曲线拟合(但是,我没有用于数
time hits
20 200
32 439
57 512
如何将曲线拟合到这些数据或找到公式,以便预测未来的点?理想情况下,我可以回答这样的问题:“当时间为100时,会有多少视图?”
谢谢你的帮助
编辑:到目前为止我所尝试的:
我尝试了多种方法,包括:
是随着时间的推移所期望的。正如其他人所说的,信息如此之少很难给出答案 我建议你定义一些新的变量,比如时间,时间*时间,时间*时间*时间,并用它作为输入变量来拟合线性回归模型 我将从这些开始,然后在案例中使用更复杂的东西,如神经网络(不在sklearn中)或SVR
希望这能有所帮助 有几个问题:1)到目前为止你试过什么?2.)你想拟合什么样的曲线-多项式?指数型?对数线性?3.)您是否查看过本网站上的任何文档或相关问题,如或?谢谢您的评论,@Bill。我编辑了这篇文章,以包含我迄今为止所做的尝试。如果没有相关的领域知识,就很难判断使用什么模型(逻辑、线性等)来拟合数据。根据您的编辑,真正的问题是:我如何知道什么样的曲线适合我的数据?答案是,对于所有的数据集,它都是不同的。你最好的选择是尝试一系列,看看哪个最适合你的数据。然而,您不仅仅是试图拟合数据,而是在使用数据“训练”一个可以用来预测未来价值的模型。模型训练和验证是一个巨大的领域,对于“哪条曲线适合我的数据并能很好地预测数据”,你不会得到一个简单的答案。然而,如果你发布一个点击图作为时间的函数,我们可以告诉你是否有一个明显的答案。