我是基于 SVM 的预测的完全新手，因此在这里寻求一些指导。我正在尝试使用 scikit-learn 的 SVM 库设置用于预测时间序列的 python 代码。
我的数据包含过去 24 小时以 30 分钟为间隔的 X 值，我需要预测下一个时间戳的 y。这是我设置的 -
SVR(kernel='linear', C=1e3).fit(X, y).predict(X)
但是为了使这个预测起作用，我需要下一个时间戳的 X 值，这是不可用的。如何设置它来预测未来的 y 值？
【问题讨论】：
标签： python time-series scikit-learn forecasting
你应该这样使用SVR：
# prepare model and set parameters
svr_model = SVR(kernel='linear', C=1e3)
# fit your model with the training set
svr_model.fit(TRAINIG_SET, TAINING_LABEL)
#predict on a test set
svr_model.predict(TEST_SET)
所以，这里的问题是您有一个训练集但没有一个测试集来衡量您的模型准确性。唯一的解决方案是使用一部分训练集作为测试集ex: 80% for train 20% for test
编辑
希望我能很好地理解您对 cmets 的要求。
因此，您想预测火车集中最后一小时的下一个标签，这是您想要的示例：
from sklearn.svm import SVR
import random
import numpy as np
'''
data: the train set, 24 elements
label: label for each time
'''
data = [10+y for y in [x * .5 for x in range(24)]]
label = [z for z in [random.random()]*24]
# reshaping the train set and the label ...
DATA = np.array([data]).T
LABEL = np.array(label)
# Declaring model and fitting it
clf = SVR(kernel='linear', C=1e3)
clf.fit(DATA, LABEL)
# predict the next label
to_predict = DATA[DATA[23,0]+0.5]
print clf.predict(to_predict)
>> 0.94407674
【讨论】：