如何训练和拟合不同的线性模型

Question

我在这里很新，如果这是一个明显的问题，请原谅我。

目前，我正在处理一个数据集，该数据集包含随时间推移来自多个传感器的值，并且我正在尝试使用简单的线性回归分别预测随时间推移每个传感器的未来值。

我更喜欢在每个传感器上训练并拟合一个单独的模型，并将其存储在列表中。但是由于某种原因，我似乎只得到了在最后一个传感器上训练的模型。我在这里做什么错了？

我的数据集在每列和时间中都有传感器作为索引。每个传感器的自变量相似。因此，首先我要创建训练集和测试集，并分别包含每个传感器的因变量（由uniquecam定义）。为此，我编写了一个函数：

pred=sensorcount

def selecttest(uniquecam):
    temptrainy=train[pred+" "+uniquecam]
    temptesty=test[pred+" "+uniquecam]
    return([temptrainy,temptesty])


trainys=[]
testys=[]
for i in uniquecam:
    trainys.append(selecttest(i)[0])
    testys.append(selecttest(i)[1])

接下来，我想创建一个模型以在每个传感器上进行训练

modelslist=[]
for i in range(0,len(uniquecam)):
lrm = linear_model.Ridge(alpha=0.001, normalize=False,tol=0.0001,)

最后我想在传感器x上拟合线性模型

modelslist.append(lrm.fit(X_train, trainys[i]))

感谢上百万！