在我使用scikit_learn和pandas训练了一个模型之后，我如何预测未来的数据（在我的例子中是降雨）？

Question

我正在训练一个模型来预测未来的降雨数据。我已经完成了模型的培训。 我正在使用这个数据集：https://www.kaggle.com/redikod/historical-rainfall-data-in-bangladesh 看起来是这样的：

              Station   Yea  Month Day Rainfall dayofyear
1970-01-01  1   Dhaka   1970    1   1   0           1
1970-01-02  1   Dhaka   1970    1   2   0           2
1970-01-03  1   Dhaka   1970    1   3   0           3
1970-01-04  1   Dhaka   1970    1   4   0           4
1970-01-05  1   Dhaka   1970    1   5   0           5

我使用在线找到的代码作为参考，使用训练和测试数据完成了培训。然后我也检查了预测值和真实值

这是密码

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import tensorflow as tf

#data is in local folder
df = pd.read_csv("data.csv")
df.head(5)

df.drop(df[(df['Day']>28) & (df['Month']==2) & (df['Year']%4!=0)].index,inplace=True)
df.drop(df[(df['Day']>29) & (df['Month']==2) & (df['Year']%4==0)].index,inplace=True)
df.drop(df[(df['Day']>30) & ((df['Month']==4)|(df['Month']==6)|(df['Month']==9)|(df['Month']==11))].index,inplace=True)

date = [str(y)+'-'+str(m)+'-'+str(d) for y, m, d in zip(df.Year, df.Month, df.Day)]
df.index = pd.to_datetime(date)
df['date'] = df.index
df['dayofyear']=df['date'].dt.dayofyear
df.drop('date',axis=1,inplace=True)

df.head()
df.size()
df.info()

df.plot(x='Year',y='Rainfall',style='.', figsize=(15,5))

train = df.loc[df['Year'] <= 2015]
test = df.loc[df['Year'] == 2016]
train=train[train['Station']=='Dhaka']
test=test[test['Station']=='Dhaka']

X_train=train.drop(['Station','StationIndex','dayofyear'],axis=1)
Y_train=train['Rainfall']
X_test=test.drop(['Station','StationIndex','dayofyear'],axis=1)
Y_test=test['Rainfall']

from sklearn import svm
from sklearn.svm import SVC
model = svm.SVC(gamma='auto',kernel='linear')
model.fit(X_train, Y_train)

Y_pred = model.predict(X_test)

df1 = pd.DataFrame({'Actual Rainfall': Y_test, 'Predicted Rainfall': Y_pred})  
df1[df1['Predicted Rainfall']!=0].head(10)

在此之后，我尝试实际使用该模型预测未来几天/几个月/几年的降雨量。我使用了一些，比如一些用于股票价格的（在调整代码之后）。但它们似乎都不起作用。 因为我已经训练了这个模型，所以我认为预测未来几天是很容易的。假设我用1970-2015年的数据进行培训，用2016年的数据进行测试。现在我想预测2017年的降雨量。差不多吧

我的问题是，我如何以直观的方式做到这一点

如果有人能回答这个问题，我将不胜感激

编辑@Mercury: 这是使用该代码后的实际结果。我怀疑模型是否在运行。。。 这是实际结果的图像：https://i.stack.imgur.com/81Vk1.png

Answer 1

数据非常简单。如果你参加一个kaggle竞赛，那么可解释性也不是一个大问题，只有准确性，你可以使用任何复杂的模型并获得好的结果。然而，如果我想要解释性，那么我将使用深度不超过4的决策树。减小深度，您将看到更通用的决策树。它会让你对数据有很好的了解

有些建议可以是：

1. 删除所有的日、月列，这些信息已经存储在Day of year属性中（leap yrs实际上没有那么大的问题）
2. 只剩下三列：年、站和一年中的某一天
3. 查看年份列是否重要（决策树的重要决策出现在前2-3个深度），如果不重要，可以删除它。在现实世界中，变化更不可预测，模型越是广义化，它就越好。车站和日期是重要的考虑因素，不可忽视

然后检查复杂的模型，它们是否提高了您的准确性？他们可能会

如果他们真的这样做了，那么就使用它们，或者使用更简单的模型，因为它们具有更高的可解释性，更快的计算时间

Answer 2

我注意到一个非常简单的错误：

X_train=train.drop(['Station','StationIndex','dayofyear'],axis=1)
Y_train=train['Rainfall']
X_test=test.drop(['Station','StationIndex','dayofyear'],axis=1)
Y_test=test['Rainfall']

您尚未从培训数据中删除Rainfall列

我大胆假设一下，你在训练和测试中都能获得100%的准确率，对吗？这就是原因。您的模型可以看到，在训练数据的“降雨”列中出现的任何东西都是答案，因此它在测试过程中准确地做到了这一点，从而获得了完美的结果，但事实上它根本无法预测任何东西

试着像这样跑步：

X_train=train.drop(['Station','StationIndex','dayofyear','Rainfall'],axis=1)
Y_train=train['Rainfall']
X_test=test.drop(['Station','StationIndex','dayofyear','Rainfall'],axis=1)
Y_test=test['Rainfall']

from sklearn import svm
model = svm.SVC(gamma='auto',kernel='linear')
model.fit(X_train, Y_train)
print('Accuracy on training set: {:.2f}%'.format(100*model.score(X_train, Y_train)))
print('Accuracy on testing set: {:.2f}%'.format(100*model.score(X_test, Y_test)))