关于machinelearningmastery there is a post关于如何从一个时间序列变量创建监督学习回归类型数据集
例如:
time, measure
1, 100
2, 110
3, 108
4, 115
5, 120
在通过函数series_to_supervised
传递数据后,可以在下面转换为
X, y
?, 100
100, 110
110, 108
108, 115
115, 120
120, ?
在machinelearningmastery post的多步骤或序列预测部分,series_to_supervised
可以输出以下内容:
var1(t-2) var1(t-1) var1(t) var1(t+1)
2 0.0 1.0 2 3.0
3 1.0 2.0 3 4.0
4 2.0 3.0 4 5.0
5 3.0 4.0 5 6.0
6 4.0 5.0 6 7.0
7 5.0 6.0 7 8.0
8 6.0 7.0 8 9.0
我的问题是,我将如何定义X&;y列车测试拆分?我假设var1(t)
将被定义为y,对吗?例如,对于trainX&;崔尼?我正在做实验
#function for time series X,y breakdown
train = series_to_supervised(need_to_train,11,14)
#split data sets
trainX = np.array(train.drop(['var1(t)'],1))
trainy = np.array(train['var1(t)'])
model = XGBRegressor(objective='reg:squarederror', n_estimators=100)
否,
var1(t+1)
将是目标并被视为y
。整个要点是根据当前(和过去)的数据预测未来的下一步相关问题 更多 >
编程相关推荐