0
我想用我拥有的数据集做一个天真的预测,我正在努力做一点。天真的天气预报
values = DataFrame(dataset.iloc[:, -1])
Y_naive = pd.concat([values.shift(24), values], axis=1)
Y_naive.columns = ['t', 't+1']
x = Y_naive.values
我基本上有什么是每小时数据,我想比较最后一列有关其表现{0,1}。由于我想比较这个天真的预测与其他日前预测因子,我想使用前一天的数据(shift(24))来预测实际的表现。 天真预测:
def naive_forecast(x):
return x
predictions = list()
for x in test_x:
yhat = naive_forecast(x)
predictions.append(yhat)
对我来说是很清楚该怎么做映射过程。这意味着如何放弃关于二进制分类测试的观点,我想用24小时前的数据来迭代地将它映射到整个数据集的数据上。 (https://en.wikipedia.org/wiki/Forecasting#Na.C3.AFve_approach)