使用窗口数据集预测未来时期的时间序列值答案

【问题标题】：Predicting values in time series for future periods with windowed dataset使用窗口数据集预测未来时期的时间序列值
【发布时间】：2020-09-28 10:15:24
【问题描述】：

我有 3650 个时间步之前的数据，但我想做出未来的预测，即 3650 个时间步之后的数据。我是机器学习的新手，显然无法弄清楚。我该怎么做？以供参考， Colab Notebook

【问题讨论】：

标签： tensorflow machine-learning time-series data-science prediction

【解决方案1】：

here 描述了如何使表格（或横截面）回归算法适应预测问题的一般方法。简而言之：你在滞后观察的窗口上训练你的模型。要生成预测，您有不同的选择，使用最常用的递归策略，在这里您使用最后一个可用窗口来预测第一个值，然后用第一个预测值更新最后一个窗口来预测下一个值，依此类推。

如果您有兴趣，我们正在为这些用例开发一个扩展 scikit-learn 的工具箱。所以使用sktime，你可以简单地写：

import numpy as np
from sktime.datasets import load_airline
from sktime.forecasting.compose import ReducedRegressionForecaster
from sklearn.svm import RandomForestRegressor
from sktime.forecasting.model_selection import temporal_train_test_split
from sktime.performance_metrics.forecasting import smape_loss

y = load_airline()  # load 1-dimensional time series
y_train, y_test = temporal_train_test_split(y)  
fh = np.arange(1, len(y_test) + 1)  # forecasting horizon
regressor = RandomForestRegressor()  
forecaster = ReducedRegressionForecaster(regressor, window_length=10)
forecaster.fit(y_train)
y_pred = forecaster.predict(fh)
print(smape_loss(y_test, y_pred))
>>> 0.139046791779424

【讨论】：