python - 使用 scikit python 进行自变量线性回归

Question

我是 Scikit-Learn 的新手，我需要解决使用 Python 预测新数据的问题。
我有一个二维数据表，如下所示:(抱歉，我无法在此处创建二维表)
-------------------------------------------------- ---
日期-----|小时
-------------------------------------------------- ---
------------| 1 | 2 | 3 | 4 |.....| 23 |
01 - 一月 | 3 | 7 | 22 | 22 46 | 46 .... | 94 | 94
...
9 月 23 日 | x| x| x| x |...
我的表有一个维度是日期，另一个维度是小时。每天都有 24 小时。每个小时都会得到一个随机的2位数字，该数字与其他数字无关。现在我可以使用线性回归预测接下来几天的新数据吗？请帮我!谢谢。

Answer 1

首先，如果我正确理解你的问题，那么对于约会的每个小时，你都会得到一个随机的 2 位数字。您有一组带有相应随机 2 位数的日期，现在对于没有随机 2 位数的新日期，您需要线性回归来预测该 2 位数是什么。

但是，我不知道这是否是最好的解决方案。对于线性回归，您需要一个预测变量(日期/小时)并使用它来预测参数/值(2 位数字)。不过您提到，该值是随机的，这意味着没有关系。除非有一个你没有提到的，否则我认为你无法预测这个两位数会是什么。最好的情况下，您只能通过生成新的随机 2 位数字来预测新的 2 位数字。

如果你还想做Linear Regression with Scikit-Learn ，您需要将数据拆分为训练集和测试集，以及 X 和 y。您的训练集是您知道的日期和时间(y)以及数字(x)，您的测试集是日期和时间(y)。请注意，您希望将日期和时间合并为 1 条记录，因此您得到的实例如下:2001 年 9 月 23 日、2002 年 9 月 23 日、..、23 年 9 月 23 日。 (你的24小时在哪里？)我还建议在将数据加载到 python 之前对其进行拆分，或者使用 numpy matrices 进行拆分。 。您可以使用预测函数通过线性回归来预测 2 位数字。

希望这有帮助，如果格式困惑，请原谅(这里是新的)