Python中的多维线性回归

Question

我有一个关于我目前正在研究的数据科学方法的问题。

我有二维数据 (x, y)。对于每个数据条目，都附有记录该数据的日期 (t)。所以，基本上每个数据点都有以下属性：(x, y, t)

现在，我想在 x 和 y 之间进行线性回归，但除了在某种程度上尊重 t 之外，较早的日期不如较早的日期具有决定性。在这种情况下，每个数据点都会根据其日期进行评级，并根据该评级以不同的方式包含在回归中。换句话说：较新的数据会更重要，并且会比旧数据更强烈地影响线性回归。

我已经环顾了几个小时，但还没有找到合适的解决方案。 你们知道合适的方法和 Python 中的实现策略吗？

干杯，谢谢！

Answer 1

如果日期是字符串格式，试试这个方法。

将当前编码为字符串的日期解析为日期时间格式

raw_df['Date'] = pd.to_datetime(raw_df['Date'])

从日期中提取年份

raw_df['Year'] = raw_df['Date'].dt.year

raw_df['Year'].head()

从日期中提取月份

raw_df['Month'] = raw_df['Date'].dt.month

raw_df['Month'].head()

从日期中提取日期

raw_df['Day'] = raw_df['Date'].dt.day

raw_df['Day'].head()

日期分布

sns.countplot(x=pd.to_datetime(raw_df.Date).dt.year);

删除原来的 Date 变量。