如何将机器学习应用于 csv 文件以预测未来值答案

【问题标题】：How to apply machine learning to a csv file to predict future values如何将机器学习应用于 csv 文件以预测未来值
【发布时间】：2023-01-02 23:49:55
【问题描述】：

我对 ML 很好奇，我想知道你们中的一些人是否可以帮助我入门。 ii 有一个像这样的 csv 格式的数据集：

|日期 |第一 |第二 |第三 | | 2022-12-30 | 5402 | 8694 | 8648 | | 2022-12-29 | 3804 | 8529 | 6690 | | 2022-12-28 | 3192 | 2779 |第2166章

我想预测未来时间的第一个、第二个和第三个值。 2022-12-31。什么样的算法适合做这个工作？我必须如何在我的 jupyter notebook 中实现它？这个问题的任何例子和/或参考都会对我很有帮助。这是为了预测 4 位数的彩票游戏。

我让熊猫读取我的 csv 文件并将其设置为名为“dataset”的变量

import pandas as pd
import numpy as np
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

dataset=pd.read_csv("C:/Users/Administrator/Desktop/data.csv")

dataset['Date'] = pd.to_datetime(dataset.Date)

【问题讨论】：

我认为这个问题对于 SO 来说是广泛的，并且可能会被关闭。然而，我的建议是从绘制数字与时间的关系开始，看看它们是什么样子的。不同的 ML 算法通常适用于不同类型的问题，要知道您需要什么类型的算法，我们需要知道它是什么类型的数据。很吵吗？它看起来是线性的吗？它看起来完全随机吗？

标签： pandas datetime machine-learning scikit-learn predict

【解决方案1】：

在这里，您要预测随机中奖号码的趋势，因此线性回归将是这种情况的理想选择

【讨论】：

【解决方案2】：

一种流行的时间序列预测方法是 ARIMA（自回归积分移动平均）模型。您可以使用 Python 中的 statsmodels 库在 Jupyter notebook 中实现 ARIMA 模型。

下面是一个示例，说明如何使用 statsmodels 库将 ARIMA 模型拟合到时间序列数据并进行预测：

import pandas as pd
import statsmodels.api as sm

# Load the DataFrame
df = pd.read_csv("data.csv")

# Set the Date column as the index
df.set_index('Date', inplace=True)

# Fit the ARIMA model
model = sm.tsa.ARIMA(df, order=(1,1,1)).fit()

# Make predictions
predictions = model.predict(start='2022-12-31', end='2022-12-31', dynamic=True)
print(predictions)

此代码将使 ARIMA 模型适合您的时间序列数据，并对“第一”、“第二”和“第三”列的值进行预测

您可以在 statsmodels documentation 中找到有关时间序列预测和 ARIMA 模型的更多信息

【讨论】：