【问题标题】:Python Gaussian Process Regression with sklearn使用 sklearn 进行 Python 高斯过程回归
【发布时间】:2021-05-01 22:44:51
【问题描述】:

我正在尝试进行回归以将函数拟合到我拥有的一些数据点,这些只是放在 (x,y) 其中 x = 日期和 y = 数据点。看起来很简单。

我正在按照操作方法进行操作,涉及到将数据拆分为训练/测试的部分,我明白这一点,但 model.fit 的输入是一个二维数组,然后是标签。

我认为我的密度令人难以置信,但这就是我所拥有的:

model.fit(input, date_time_training)

我的输入是这样的数组 [[5, 3], [7,5], etc] 我的“标签”是日期,因为这就是我想要标记数据的方式,但这是不对的,他们需要是数字。但是,它可能是两件事,我的数据点是我的图表上的 y,我的 x 轴是日期。我将日期转换为与每个日期对应的数字(0、1、2、3 等)。

这也是我的标签吗?

此外,我的输入只是 [[date_converted_to_int, score], etc],在查看文档时,似乎应该是 [[points, features], etc]。我很困惑,显然对回归也没有超级经验(否则我猜这会更清楚)。

【问题讨论】:

  • 如果您能提供您正在使用的代码,这将对我们有所帮助,这样我们就可以获得一些适当的上下文。此外,如果您正在学习公开可用的教程,请将链接也提供给我们,以便我们更准确地了解您的问题。
  • @mCoding 嗨,我不确定它是否被允许链接到其他地方(以防它看起来像是促销)但我正在关注这个链接:towardsdatascience.com/…我可以发布代码稍后。

标签: python scikit-learn


【解决方案1】:

您正试图预测 {actual term is forecast in this case}随着时间的推移您的y。 因此,在这种情况下使用时间序列模型更合适。因为根据定义,这是一个时间序列用例。 [时间序列:您试图了解属性值随时间的演变] 尝试一些模型,例如:

【讨论】:

  • 嗨,感谢您的宝贵时间,我将坚持使用 GPR,因为我确信这个问题可以用它来解决,我正在努力学习它。但再次感谢您的回答,这仍然是有用的信息。
猜你喜欢
  • 2020-10-25
  • 2020-05-20
  • 1970-01-01
  • 2019-07-26
  • 2020-06-04
  • 2018-09-23
  • 2015-09-10
  • 2018-09-28
  • 2014-02-14
相关资源
最近更新 更多