Question

我有100个观察结果，每个观察结果包含10个样本。

Observation 1: 0.7 0.6 0.9 0.5 1.2 1.6 0.98 0.65 1.34 1.22
Observation 2: ...
.
.
.
Observation 100: ...

基本假设是所有100个观察都遵循一些共同趋势。

根据以上数据，我希望应用机器学习，并在每次遇到这种趋势时提出新的观察结果。怎么可能？

更具体地说，我应该如何构建机器学习问题？我的依赖/自变量应该是什么？

Answer 1

你可以做的是将训练观察变成这个

y = [0.7, 0.6, 0.9, 0.5, 1.2, 1.6, 0.98, 0.65, 1.34, 1.22]

正如我们想要预测的那样，使用下面的索引

x = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

然后拟合一个模型（你选择的任何一个），下面我使用一个非常简单的线性回归

model = fit(x, y)

接下来，我使用该模型来预测下一个观察，使用下一个指数

x2 = [10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
y2 = model.predict(x2)

这里是结果的图，用线性回归绘制，绘制你的第一个观察（蓝色星*），以及第二个指数的预测观察（绿色加号+）