Question

我有180天的json数据用于在游戏中买卖物品，我得到的数据是：时间戳记，buy_price，sell_price，buy_quantity和sell_quantity。我想根据以前的数据预测该产品的未来价格，我在Google上找到了很多机器学习数据，但我很好奇你们会推荐我使用什么？以及我该怎么做？

Answer 1

这是一项回归任务。您可以使用简单的回归模型（这是预测波士顿房价的示例）：

from sklearn import linear_model
import pandas as pd
from sklearn import datasets ## imports datasets from scikit-learn
data = datasets.load_boston() ## loads Boston dataset from datasets 

# define the data/predictors as the pre-set feature names  
df = pd.DataFrame(data.data, columns=data.feature_names)

# Put the target (housing value -- MEDV) in another DataFrame
target = pd.DataFrame(data.target, columns=["MEDV"])

X = df
y = target['MEDV']

lm = linear_model.LinearRegression()
model = lm.fit(X,y)

predictions = lm.predict(X)
print(predictions)[0:5]

您可以在这里https://towardsdatascience.com/simple-and-multiple-linear-regression-in-python-c928425168f9

了解更多信息

最好使用Xgboost模型或神经网络（但是神经网络需要自定义和大量数据以避免过度拟合，而xgboost可以一次使用）

xgboost示例：

import xgboost as xgb
import pandas as pd
from sklearn import datasets ## imports datasets from scikit-learn
data = datasets.load_boston() ## loads Boston dataset from datasets 

# define the data/predictors as the pre-set feature names  
df = pd.DataFrame(data.data, columns=data.feature_names)

# Put the target (housing value -- MEDV) in another DataFrame
target = pd.DataFrame(data.target, columns=["MEDV"])

X = df
y = target['MEDV']

lm = xgb.XGBRegressor()
model = lm.fit(X,y)

predictions = lm.predict(X)
print(predictions)[0:5]

我如何预测这些数据的未来

1 个答案: