Обучение линейной регрессии с датой временных рядов - PullRequest
Новая
       43

Обучение линейной регрессии с датой временных рядов

0 голосов
/ 06 июня 2019

Я новичок в склеарне. У меня есть задание выполнить линейную регрессию, логистическую регрессию и т. Д. Я пытаюсь создать данные для сравнения результатов. Мои данные выглядят так: 

Closing_Price   Daily_Returns   Daily_Returns_1 Daily_Returns_2 Daily_Returns_3 Daily_Returns_4 Daily_Returns_5
Date                            
1980-12-22  0.53    0.058269    0.040822    0.042560    0.021979    -0.085158   -0.040005
1980-12-23  0.55    0.037041    0.058269    0.040822    0.042560    0.021979    -0.085158
1980-12-24  0.58    0.053110    0.037041    0.058269    0.040822    0.042560    0.021979
1980-12-26  0.63    0.082692    0.053110    0.037041    0.058269    0.040822    0.042560
1980-12-29  0.64    0.015748    0.082692    0.053110    0.037041    0.058269    0.040822

То, что я хочу сделать, - это использовать линейную регрессию sklearn для начала, чтобы рассчитать и построить результаты вместе с ежедневными доходами. Вот что я делаю: 

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression as lr
from sklearn.linear_model import LogisticRegression as lor
X = apple['Closing_Price'].values.reshape(-1,1)
y = apple['Daily_Returns'].values.reshape(-1,1)
X_train, X_test, y_train, y_test = train_test_split(X,y,test_size = 0.2)
LinReg = lr()
LinReg.fit(X_train,y_train)
LinRegPred = LinReg.predict(X_test)

Мой вопрос: возможно ли создать двумерный массив со столбцом 1 в качестве значений индекса из кадра данных исходного набора данных и столбца 2 в качестве прогнозируемых результатов линейной регрессии?

Где apple.index: 

DatetimeIndex(['1980-12-22', '1980-12-23', '1980-12-24', '1980-12-26',
               '1980-12-29', '1980-12-30', '1980-12-31', '1981-01-02',
               '1981-01-05', '1981-01-06',
               ...
               '2019-05-22', '2019-05-23', '2019-05-24', '2019-05-28',
               '2019-05-29', '2019-05-30', '2019-05-31', '2019-06-03',
               '2019-06-04', '2019-06-05'],
              dtype='datetime64[ns]', name='Date', length=9695, freq=None)

1 Ответ

0 голосов
/ 06 июня 2019

вы можете сделать train_test_split вместо фрейма данных 

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression as lr
from sklearn.linear_model import LogisticRegression as lor
import numpy as np

data_train, data_test,  = train_test_split(apple,test_size = 0.2)
X_train = data_train['Closing_Price'].values.reshape(-1,1)
y_train = data_train['Daily_Returns'].values.reshape(-1,1)
X_test = data_test['Closing_Price'].values.reshape(-1,1)
y_test = data_test['Daily_Returns'].values.reshape(-1,1)
LinReg = lr()
LinReg.fit(X_train,y_train)
LinRegPred = LinReg.predict(X_test)

, а затем вы можете просто получить доступ к своему индексу и создать двумерный массив следующим образом: 

from datetime import datetime
predictedWithIndexes = [list(index.astype(str)), list(LinRegPred)]
pdi = pd.DataFrame(predictedWithIndexes)
pdi = pdi.T
pdi.columns = ['Date','Predicted_Linear_Regression']
pdi['Predicted_Linear_Regression'] = pdi['Predicted_Linear_Regression'].astype(float)
pdi['Date'] = pd.to_datetime(pdi['Date'].str[0])

IЖаль, что я ответил на ваш вопрос

...