时间序列预测使用 SVM答案

【问题标题】：Time series forecasting use SVM时间序列预测使用 SVM
【发布时间】：2015-08-03 21:41:07
【问题描述】：

我正在尝试使用 scikit-learn 的 SVM 库设置用于预测时间序列的 Python 代码。

我的数据由过去一年每隔一天的 X 值组成，我需要预测下一年一个月的 y。这是我设置的 -

SVR().fit(X, y).predict(X)

但要使这个预测起作用，我需要下个月的 X 值，但该值不可用。如何设置它来预测未来的 y 值？

【问题讨论】：

【解决方案1】：

所以(X,y) 是您的训练集（356 个数据实例及其标签），要预测明年的第一个月，您的 SVR 模型需要一个数据集 X_nextMonth（30 个数据实例与X) 作为参数传递给它的.predict() 方法，他可以预测标签y_nextMonth。

【讨论】：

所以 X 只是日期时间，例如 20140101？
这取决于你的数据，你能提供一个样本吗？
MFD_DATE 20130701 20130702 20130702 20130706 20130705 20130706 20130705 20130706 20130707 MFD_Daily_yield 1.5787 1.5461 1.467 1.4223 1.3674 1.3845 1.3674 MFD_7Daily_yield 6.307 6.174 6.034 5.903 5.739 5.739 5.739 5.739 5.739 5.739 5.739 5.582 span>
很抱歉让您失望了，但由于您只有一个定性功能，SVR 无法帮助您，即使它给出了结果，但作为预测，这将是非常一周的时间。
一个定性特征是指日期时间？