Question

我正在分析花旗自行车公司2019年9月的数据（时间序列数据）以构建预测回归模型。可以在here.中找到该数据集。目前，我正在汇总240万行的数据集，以获取整个月中每个站点每天的每小时需求量。汇总如下所示：

我使用train_test_split拆分了数据集，并应用了各种股票学习算法，这些算法大多来自scikit-learn。但是，这些模型的结果输出的R2值非常低。例如，对于scikit-learn线性回归，我得到的R2为0.09019569965308272，因此模型无法识别数据中的模式。这是线性回归模型的代码：

def lr(X_train, X_test, y_train, y_test):
    #Create a linear regression object
    reg = LinearRegression()

    sc_X = StandardScaler()

    X_train, X_test = scaleData(X_train, X_test, "robust")

    print(X_train)
    print(X_test)

    reg.fit(X_train, y_train)
    print("reg.score(X, y): {} \n".format(reg.score(X_test, y_test)))
    print("reg.coef_: {} \n".format(reg.coef_))
    print("reg.intercept_: {} \n".format(reg.intercept_))

    pred = reg.predict(X_test)
    print("Pred: {} \n".format(pred))

    results = pd.DataFrame({'Actual': y_test.flatten(), 'Predicted': pred.flatten()})
    print(results)

    PlotResultsGetPerformance(results)

lr(X_train, X_test, y_train, y_test)

scaledata方法：

def scaleData(X_train, X_test, scalingType, X=None):
    scaler = []
    stype = scalingType.lower()
    if stype == "standard":
        scaler = StandardScaler()
    elif stype == "minmax":
        scaler = MinMaxScaler()
    elif stype == "robust":
        scaler = RobustScaler()

    if X == None:
        scaler = scaler.fit(X_train)

        X_train = scaler.transform(X_train)
        X_test = scaler.transform(X_test)

        return X_train, X_test
    else:
        X = scaler.fit_transform(X)

        return X

运行线性回归算法的输出：

reg.score(X, y): 0.09019569965308272 
reg.coef_: [[-4.71123839  0.87411394 -0.1425281   1.33332683]] 
reg.intercept_: [4.94247875] 

Pred: [[ 4.16553018]
 [10.71438879]
 [ 5.21549358]
 ...
 [10.23551752]
 [ 4.94370368]
 [ 4.10551935]]

平均绝对错误：4.833603206597555
均方误差：61.94697363477656
均方根误差：7.870639976188503
R2：0.09019569965308272

似乎是什么问题？是数据问题还是模型问题？任何帮助将不胜感激。

Answer 1

在这种情况下，我认为您的模型正在遭受under-fitting（high bias）的困扰。看起来解释性变量中没有足够的信息。您的数据中需要更多列。您可以创建新列，或尝试查找更多说明性变量并将其添加到模型中。另外，请检查您已经拥有的变量的质量，也许某些转换可以帮助改善预测。以下是更详细的说明：https://towardsdatascience.com/what-are-overfitting-and-underfitting-in-machine-learning-a96b30864690

时间序列预测：如何改善回归模型？

1 个答案: