python時間序列迴歸

Question

我有一個包含8個時間序列的矩陣。

我想在時間t的值和它們在時間t-1, t-2,..., t-k的值之間建立一個模型。

讓我們假設爲了簡單的線性模型sk.linear_model.LinearRegression和時間序列爲：X=np.random.normal(0, 1, (1000, 8))

我如何編寫使用以前k值來估算X(t)代碼？我也想用估計的X(t)來預測X(t+1)。

Answer 1

簡短的回答是，如果你想用Python進行嚴格的時間序列分析，你應該使用一個特定的libaray，如statsmodels.tsa。

但是，如果您堅持使用sklearn，則需要設置適合您的模型的初始訓練集。如果你用k點來預測下一個點，並且有8維時間序列，那麼你最終應該爲你的訓練集提供k * 8個特徵和8個目標。下面是具有k個組的樣品以3

import numpy as np 
k = 3 #example 
n = 1000 
num_series = 8 
raw_x = np.random.normal(0, 1, (n, num_series)) 
y = raw_x[k:] 
X = np.empty((n-k, k*num_series)) 
for i in xrange(n-k): 
    X[i] = np.ravel(raw_x[i:i+k]) 
print X.shape, y.shape 

其輸出

(997, 24) (997, 8) 

爲的特徵和標籤分別形狀，根據需要。

然後，您可以將此x和y傳遞到任何支持多個目標（包括LinearRegression）的sklearn模型。如果您想預測未來的點數，只需將適當的數據傳遞給擬合模型的predict方法即可。