具有线性回归误差的时间序列预测答案

【问题标题】：Time series prediction with linear regression error具有线性回归误差的时间序列预测
【发布时间】：2018-03-10 15:14:47
【问题描述】：

我正在尝试创建一个简单的回归模型来预测时间序列数据集的未来值。（准确性/误差并不重要）。目前，我收到错误：

TypeError: Cannot cast array data from dtype('<M8[ns]') to dtype('float64') according to the rule 'safe'

我现在的代码是这样的：

def run_linear_model(data_set):
    features = np.array(data_set.index)
    labels = np.array(data_set['Price'])
    training_features, testing_features, training_labels, testing_labels = train_test_split(features, labels, train_size=0.8, test_size=0.2, shuffle=False)
    clf = LinearRegression()
    clf.fit(training_features.reshape(-1, 1), training_labels)
    results = clf.predict(testing_features.reshape(-1, 1))

其中变量 data_set 是一个 Dataframe，格式如下：

                       Open    High      Low   Close      Price
datetime                                                        
2018-03-09 08:01:00  1701.00  1703.2  1697.00  1701.8  1700.7500
2018-03-09 08:13:00  1705.60  1706.0  1703.40  1703.4  1704.6000
2018-03-09 08:25:00  1708.40  1709.2  1706.80  1706.8  1707.8000
2018-03-09 08:37:00  1708.40  1708.6  1706.40  1706.4  1707.4500
2018-03-09 08:49:00  1710.00  1713.6  1709.88  1712.6  1711.5200

【问题讨论】：

标签： python-3.x numpy scikit-learn

【解决方案1】：

看起来您的 features 数组是 datetime64 数据类型，但线性回归库希望它是一个浮点数组。试试这个：

dates = np.array(data_set.index)
unix_epoch = np.datetime64(0, 's')
one_second = np.timedelta64(1, 's')
features = (dates - unix_epoch) / one_second #seconds since Jan 1 1970

【讨论】：