0
我想用我擁有的數據集做一個天真的預測,我正在努力做一點。天真的天氣預報
values = DataFrame(dataset.iloc[:, -1])
Y_naive = pd.concat([values.shift(24), values], axis=1)
Y_naive.columns = ['t', 't+1']
x = Y_naive.values
我基本上有什麼是每小時數據,我想比較最後一列有關其表現{0,1}。由於我想比較這個天真的預測與其他日前預測因子,我想使用前一天的數據(shift(24))來預測實際的表現。 天真預測:
def naive_forecast(x):
return x
predictions = list()
for x in test_x:
yhat = naive_forecast(x)
predictions.append(yhat)
對我來說是很清楚該怎麼做映射過程。這意味着如何放棄關於二進制分類測試的觀點,我想用24小時前的數據來迭代地將它映射到整個數據集的數據上。 (https://en.wikipedia.org/wiki/Forecasting#Na.C3.AFve_approach)