用scikit学习时间序列预测

Question

我是基于SVM的预测的完全新手,所以在这里寻找一些指导.我正在尝试使用scikit-learn的SVM库来设置用于预测时间序列的python代码.

我的数据包含过去24小时间隔30分钟的X值,我需要预测下一个时间戳的y值.这就是我设置的 -

SVR(kernel='linear', C=1e3).fit(X, y).predict(X)

但是为了使这个预测起作用,我需要下一个时间戳的X值,这是不可用的.如何设置此值以预测未来的y值？

Answer 1

你应该使用SVR这种方式：

# prepare model and set parameters
svr_model = SVR(kernel='linear', C=1e3)
# fit your model with the training set
svr_model.fit(TRAINIG_SET, TAINING_LABEL)
#predict on a test set
svr_model.predict(TEST_SET)

因此，这里的问题是您有训练集，但没有测试集来衡量模型的准确性。唯一的解决方案是使用训练集的一部分作为测试集ex: 80% for train 20% for test

编辑

希望我能从您的评论中很好地理解您想要什么。

因此，您想要预测训练集中最后一小时的下一个标签，以下是您想要的示例：

from sklearn.svm import SVR
import random
import numpy as np

'''
data: the train set, 24 elements
label: label for each time
'''

data = [10+y for  y in [x * .5 for x in range(24)]]
label =  [z for z in [random.random()]*24]

# reshaping the train set and the label ...

DATA = np.array([data]).T
LABEL = np.array(label)

# Declaring model and fitting it

clf  = SVR(kernel='linear', C=1e3)
clf.fit(DATA, LABEL)

# predict the next label 

to_predict = DATA[DATA[23,0]+0.5]

print clf.predict(to_predict)

>> 0.94407674