我有一个名为“data.csv”的CSV文件。它有五列T，A，B，C和D
对于（A，B，C）的每个元组，我的文件中有七个数据条目，对应七个不同的时间实例T.
我希望在时间序列T上对每个元组（A，B，C）执行线性回归，以使用scikit-learn库在下一个时间实例上预测数据D.选择数据并进行回归的最有效方法是什么？
CSV文件的大小为3.2 GB，但我只有4GB的RAM。我试图立即加载完整的文件，但我的机器无法应对：P
我使用pandas处理文件，使用sklearn进行回归。
答案 0 :(得分：1)
对于回归模型，我建议SGDRegressor（）：http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LinearRegression.html 您可以加载一小部分数据并使用partial_fit进行训练：
from sklearn.linear_model import SGDRegressor
model = SGDRegressor()
model.partial_fit(features, label)
对于功能，它真的取决于问题。您可以使用当前时间步长的值（A，B，C）或大小为N的时间窗口内的所有过去值（A，B，C）。您还可以在之前的时间步骤中添加预测值D.作为特色。
除了回归之外，您可能希望看一下此类问题的隐马尔可夫模型（HMM）或递归神经网络（RNN）。