Python中时间序列的真实样本外预测答案

【问题标题】：True out-of-sample forecasting of time series in PythonPython中时间序列的真实样本外预测
【发布时间】：2020-08-11 02:38:24
【问题描述】：

我正在尝试在 Python 中执行真正的样本外预测。我已经研究了几天，但没有运气。

我遇到了下面显示的用于股票价格预测的示例代码，我试图对其进行修改以预测由热化学过程（时间序列问题）引起的温度变化。据我了解，示例代码将历史数据集（例如 100 个数据点）移动 'n' 天，然后将剩余的数据点分成两组进行训练（80%）和测试（20%）然后它继续预测/估计预定“n”天的股票价值。

是否可以修改此代码以预测历史数据集之外的真实样本外因变量？

感谢您的帮助。

from pandas_datareader import data
import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

df = data.DataReader('FB', 'yahoo', start= '2015-01-01', end='2020-04-27')

df = df[['Close']]

print (df.tail())

# variable for predicting 'n' days out in the future
forecast = 1

# create another column called prediction that is shifted n days out
df['predicted'] = df[['Close']].shift(-forecast)

# Convert the dataframe to numpy array
X = np.array(df.drop(['predicted'],1))

# Remove the last n rows
X = X[:-forecast]

# Create the dependent dataset 
y = np.array(df['predicted'])

# Get all the y values except the last n rows
y = y[:-forecast]

# Split data into %training and %testing
x_train, x_test, y_train, y_test = train_test_split(X, y, test_size = 0.2)

# Create and train the linear regression model
lr = LinearRegression()
lr.fit(x_train, y_train)

# Testing the model using score (returns the coefficient of determination R^2)
lr_score = lr.score(x_test, y_test)

# Create x_forecast equals to the last n rows of the original dataset from the close column
x_forecast = np.array(df.drop(['predicted'],1))[-forecast:]

lr_prediction = lr.predict(x_forecast)

print (lr_score)

print (lr_prediction)

【问题讨论】：

问题有点不清楚。第 101 个因变量是什么意思？
我刚刚修改了问题。我需要代码来预测历史数据集中最后一天后一天的因变量值。

标签： python

【解决方案1】：

不太清楚你在问什么。运行您提供的代码，它只是创建一个线性方程，根据前几天的值预测下一个值。

lr                         #Linear equation that was calculated from the data. 
input  = X[0:10]           #Input is 10 different points. 
output = lr.predict(input) #Output is the 10 points that are predicted from the input.

我相信您提供的代码已经在进行您正在寻找的“第二天预测”。

如果您要预测热量类型数据，请确保拟合指数函数，因为线性函数可能不太准确。

【讨论】：

感谢有关指数函数的提示。如果将“预测”的值增加到 10，代码将预测 10 天后的值，这是没有意义的。我需要它来预测未来 10 天（或 n 天）的值。
什么？这不是真的，只需打印 df['Close'][:10] 和 df['predicted'][:10]。您可以清楚地看到输入零（例如）是 78.449997，输出是 77.190002，这也是“NEXT”天的值，而不是前几天。
好的。那么在这种情况下，如何获取代码来预测 2020 年 5 月 27 日的股票价值？
请注意，值 X[-1] 是 4 月 24 日。您可以在 print(df['Close'][-5:]) 中看到这一点。让我们通过 lr 运行一些值，print(x[-5:]);打印（lr.predict（X[-5:]））。您可以看到 X 的输入和这些 X 的预测值。最后一个值为 2020 年 4 月 27 日。

【解决方案2】：

基本上，这是一个普通的机器学习任务，称为线性回归，其中一个函数（线性、二次，并不重要）适合数据集。在机器学习任务中，您试图预测 example 的 label。一个例子是一条数据，例子的features是你知道的数据点的属性，例子的标签是你要预测的数据的属性。 样本外预测已得到很好的解释here，但在机器学习术语中，您将模型拟合到您称为训练集的数据分区（样本内预测）。然后，您通过预测数据的另一个分区（称为测试集）（样本外预测）的标签来测试模型的泛化能力。当然，重要的是您的模型没有在测试集上进行训练，否则您的样本外泛化结果将有偏差并且人为地良好。

鉴于这些机器学习术语，您应该能够按照here 或任意数量的在线博客文章中所述执行简单的线性回归。

【讨论】：