Я здесь новичок, так что прости меня, если это очевидный вопрос.
В данный момент я работаю над набором данных, который содержит значения от нескольких датчиков с течением времени, и я пытаюсь предсказать будущие значения каждого датчика в отдельности с течением времени, используя простую линейную регрессию.
Я предпочитаю тренировать и надевать отдельную модель на каждый датчик и хранить ее в списке.Однако по какой-то причине я, кажется, получаю только ту модель, которая была обучена на последнем датчике.Что я здесь не так делаю?
В моем наборе данных есть датчики в каждом столбце и время в качестве индекса.Независимые переменные одинаковы для каждого датчика.Итак, сначала я хочу создать обучающие и тестовые наборы, содержащие зависимую переменную для каждого датчика в отдельности (определяется uniquecam).Для этого я написал функцию:
pred=sensorcount
def selecttest(uniquecam):
temptrainy=train[pred+" "+uniquecam]
temptesty=test[pred+" "+uniquecam]
return([temptrainy,temptesty])
trainys=[]
testys=[]
for i in uniquecam:
trainys.append(selecttest(i)[0])
testys.append(selecttest(i)[1])
Далее я хочу создать модель для обучения на каждом датчике
modelslist=[]
for i in range(0,len(uniquecam)):
lrm = linear_model.Ridge(alpha=0.001, normalize=False,tol=0.0001,)
Затем, наконец, я хочу разместить линейную модель на датчике x
modelslist.append(lrm.fit(X_train, trainys[i]))
Спасибо миллионам заранее!