时间序列预测：如何改进我的回归模型？答案

【问题标题】：Time series prediction: How do I improve my regression models?时间序列预测：如何改进我的回归模型？
【发布时间】：2020-07-26 01:50:11
【问题描述】：

我正在为我的论文分析 2019 年 9 月的 Citi Bike 数据（时间序列数据），以构建预测回归模型。数据集可以找到here. 目前，我正在聚合 240 万行的数据集，以获得整个月每天每个站点的每小时自行车需求量。以下是聚合的样子：

我使用 train_test_split 拆分数据集并应用了各种股票学习算法，主要来自 scikit-learn。但是，这些模型的结果输出的 R2 值非常低。例如，对于 scikit-learn 线性回归，我得到的 R2 为 0.09019569965308272，因此模型无法识别数据中的模式。这是线性回归模型的代码：

def lr(X_train, X_test, y_train, y_test):
    #Create a linear regression object
    reg = LinearRegression()

    sc_X = StandardScaler()

    X_train, X_test = scaleData(X_train, X_test, "robust")

    print(X_train)
    print(X_test)

    reg.fit(X_train, y_train)
    print("reg.score(X, y): {} \n".format(reg.score(X_test, y_test)))
    print("reg.coef_: {} \n".format(reg.coef_))
    print("reg.intercept_: {} \n".format(reg.intercept_))

    pred = reg.predict(X_test)
    print("Pred: {} \n".format(pred))

    results = pd.DataFrame({'Actual': y_test.flatten(), 'Predicted': pred.flatten()})
    print(results)

    PlotResultsGetPerformance(results)

lr(X_train, X_test, y_train, y_test)

scaledata 方法：

def scaleData(X_train, X_test, scalingType, X=None):
    scaler = []
    stype = scalingType.lower()
    if stype == "standard":
        scaler = StandardScaler()
    elif stype == "minmax":
        scaler = MinMaxScaler()
    elif stype == "robust":
        scaler = RobustScaler()

    if X == None:
        scaler = scaler.fit(X_train)

        X_train = scaler.transform(X_train)
        X_test = scaler.transform(X_test)

        return X_train, X_test
    else:
        X = scaler.fit_transform(X)

        return X

运行线性回归算法的输出：

reg.score(X, y): 0.09019569965308272 
reg.coef_: [[-4.71123839  0.87411394 -0.1425281   1.33332683]] 
reg.intercept_: [4.94247875] 

Pred: [[ 4.16553018]
 [10.71438879]
 [ 5.21549358]
 ...
 [10.23551752]
 [ 4.94370368]
 [ 4.10551935]]

平均绝对误差：4.833603206597555
均方误差：61.94697363477656
均方根误差：7.870639976188503
R2：0.09019569965308272

似乎是什么问题？是数据问题还是模型问题？任何帮助将不胜感激。

【问题讨论】：

什么是scaleData？
R2 对于预测问题不是一个非常有意义的度量（参见this answer 的最后一部分）；我建议你改成合适的（MSE、RMSE、MAE）。
@desertnaut 我也有这些值，但忘记将它们添加到帖子中。现已添加
是的，对不起...在帖子中编辑

标签： python machine-learning time-series regression

【解决方案1】：

在这种情况下，我认为您的模型正在遭受under-fitting (high bias) 的影响。看起来解释变量中没有足够的信息。您的数据中需要更多列。您可以创建新列或尝试找到更多解释变量并将它们添加到模型中。另外，请检查您已经拥有的变量的质量，也许一些转换可以帮助改进预测。这里有更详细的解释：https://towardsdatascience.com/what-are-overfitting-and-underfitting-in-machine-learning-a96b30864690

【讨论】：