У меня есть модель, в которой одной из особенностей является отстающая целевая переменная (предположим, я использую линейную регрессию для простоты, а также игнорирую проблемы автокорреляции).Я оцениваю это на тренировочном наборе и затем предсказываю на тестовом наборе длины n.Проблема в том, что отстающая целевая переменная не может войти в матрицу тестового набора как есть, поскольку она зависит от самой целевой переменной, которую мы пытаемся предсказать.Следовательно, нам нужно итеративно обновлять отстающую целевую переменную (получить одностадийный прогноз, а затем использовать его в качестве функции на следующем шаге и т. Д.).
Очевидно, что это можно сделать вручную в цикле (и я получилэто рабочее решение), но это довольно утомительно.Я хотел бы знать, реализованы ли предсказания подобным образом в некоторых пакетах (предпочтительно в оболочках вокруг sklearn).