sklearn LinearRegression.Predict（）问题

Question

我试图根据各种其他因素来预测呼叫中心的呼叫量。我有一个相当干净的数据集，也相当小，但足够了。我能够训练和测试历史数据，得到分数、总结等。我一生都无法找出如何利用预测因子数据预测未来的通话。我的数据如下：

Date    DayNum  factor1 factor2 factor3 factor4 factor5 factor6 factor7 factor8 factor9 VariableToPredict
9/17/2014   1   592 83686.46    0   0   250 15911.8 832 99598.26    177514  72
9/18/2014   2   1044    79030.09    0   0   203 23880.55    1238    102910.64   205064  274
9/19/2014   3   707 84207.27    0   0   180 8143.32 877 92350.59    156360  254
9/20/2014   4   707 97577.78    0   0   194 16688.95    891 114266.73   196526  208
9/21/2014   5   565 83084.57    0   0   153 13097.04    713 96181.61    143678  270

我目前掌握的代码如下：

from sklearn import metrics
from sklearn.preprocessing import StandardScaler
from sklearn.cross_validation import KFold, cross_val_score
from sklearn.linear_model import LinearRegression
import pandas as pd

d = pd.read_csv("H://My Documents//Python Scripts//RawData//Q2917.csv", "r", delimiter=",")
e = pd.read_csv("H://My Documents//Python Scripts//RawData//FY16q2917Test.csv", "r", delimiter=",")
#print(d)
#b = pd.DataFrame.as_matrix(d)
#print(b)
x = d.as_matrix(['factor2', 'factor4', 'factor5', 'factor6'])    
y = d.as_matrix(['VariableToPredict'])
x1 = e.as_matrix(['factor2', 'factor4', 'factor5', 'factor6'])
y1 = e.as_matrix(['VariableToPredict'])
#print(len(train))
#print(target)
#use scaler
scalerX = StandardScaler()
train = scalerX.fit_transform(x1)
scalerY = StandardScaler()
target = scalerY.fit_transform(y1)

clf = LinearRegression(fit_intercept=True)
cv = KFold(len(train), 10, shuffle=True, random_state=33)


#decf = LinearRegression.decision_function(train, target)
test = LinearRegression.predict(train, target)
score = cross_val_score(clf,train, target,cv=cv )

print("Score: {}".format(score.mean()))

这当然给了我一个错误，y值中有空值，这是因为它是空的，我试图预测它。这里的问题是，我对python还不够熟悉，以至于我根本不理解应该如何构建它。即使它是这样工作的，也不会是正确的，它在构建预测未来的模型时没有考虑过去的数据。 我需要把这些放在同一个文件里吗？如果是这样，我如何让它考虑从a行到b行的这3列，预测同一行的依赖列，然后应用该模型分析这3列的未来数据，并预测未来的调用。我不指望这里有完整的答案，这是我的工作，但任何小的线索都会非常感谢。

Answer 1

为了建立回归模型，需要训练数据和训练分数。这些允许您根据问题拟合一组回归参数。

然后要预测，你需要的是预测数据，而不是预测分数，因为你没有这些——你在试图预测它们！

例如，下面的代码将运行：

from sklearn.linear_model import LinearRegression
import numpy as np

trainingData = np.array([ [2.3,4.3,2.5], [1.3,5.2,5.2], [3.3,2.9,0.8], [3.1,4.3,4.0]  ])
trainingScores = np.array([3.4,7.5,4.5,1.6])

clf = LinearRegression(fit_intercept=True)
clf.fit(trainingData,trainingScores)

predictionData = np.array([ [2.5,2.4,2.7], [2.7,3.2,1.2] ])
clf.predict(predictionData)

看起来好像您在调用predict()时输入了错误数量的参数-看看我的代码片段，您应该能够找到如何更改它的方法。

出于兴趣，您可以在之后运行以下行以访问回归适合数据的参数：print repr(clf.coef_)