sklear LinearRegression.Predict() Problem

Question

Ich versuche Call-Volumen für ein Call-Center basierend auf verschiedenen anderen Faktoren vorherzusagen. Ich habe einen ziemlich sauberen Datensatz, ziemlich klein, aber genug. Ich bin in der Lage, historische Daten zu trainieren und zu testen und eine Punktzahl, eine Zusammenfassung usw. zu erhalten. Ich bin für das Leben von mir nicht in der Lage, herauszufinden, wie ich dann zukünftige Prognosen mit prognostizierten Faktordaten vorhersagen kann. Meine Daten unter:

Date DayNum factor1 factor2 factor3 factor4 factor5 factor6 factor7 factor8 factor9 VariableToPredict 
9/17/2014 1 592 83686.46 0 0 250 15911.8 832 99598.26 177514 72 
9/18/2014 2 1044 79030.09 0 0 203 23880.55 1238 102910.64 205064 274 
9/19/2014 3 707 84207.27 0 0 180 8143.32 877 92350.59 156360 254 
9/20/2014 4 707 97577.78 0 0 194 16688.95 891 114266.73 196526 208 
9/21/2014 5 565 83084.57 0 0 153 13097.04 713 96181.61 143678 270 

Der Code, den ich bisher habe unten:

from sklearn import metrics 
from sklearn.preprocessing import StandardScaler 
from sklearn.cross_validation import KFold, cross_val_score 
from sklearn.linear_model import LinearRegression 
import pandas as pd 

d = pd.read_csv("H://My Documents//Python Scripts//RawData//Q2917.csv", "r", delimiter=",") 
e = pd.read_csv("H://My Documents//Python Scripts//RawData//FY16q2917Test.csv", "r", delimiter=",") 
#print(d) 
#b = pd.DataFrame.as_matrix(d) 
#print(b) 
x = d.as_matrix(['factor2', 'factor4', 'factor5', 'factor6'])  
y = d.as_matrix(['VariableToPredict']) 
x1 = e.as_matrix(['factor2', 'factor4', 'factor5', 'factor6']) 
y1 = e.as_matrix(['VariableToPredict']) 
#print(len(train)) 
#print(target) 
#use scaler 
scalerX = StandardScaler() 
train = scalerX.fit_transform(x1) 
scalerY = StandardScaler() 
target = scalerY.fit_transform(y1) 

clf = LinearRegression(fit_intercept=True) 
cv = KFold(len(train), 10, shuffle=True, random_state=33) 


#decf = LinearRegression.decision_function(train, target) 
test = LinearRegression.predict(train, target) 
score = cross_val_score(clf,train, target,cv=cv) 

print("Score: {}".format(score.mean())) 

Dies natürlich gibt mir den Fehler, dass es NULL-Werte in den y-Werten, die es gibt, weil es leer und ich versuche es vorherzusagen. Das Problem hier ist, ich bin Python neu genug, dass ich grundsätzlich falsch verstehe, wie das aufgebaut werden sollte. Selbst wenn es so funktioniert, wäre es nicht korrekt, es berücksichtigt nicht die Daten aus der Vergangenheit, wenn das Modell erstellt wird, um die Zukunft vorherzusagen. Muss ich diese in der gleichen Datei möglicherweise haben? Wenn ja, wie soll ich sagen, dass ich diese 3 Spalten von Zeile a bis Zeile b berücksichtigen soll, die abhängige Spalte für die gleichen Zeilen vorhersage, dann dieses Modell anwenden, um diese drei Spalten für die zukünftigen Daten zu analysieren und die zukünftigen Aufrufe vorherzusagen. Ich erwarte nicht die ganze Antwort hier, das ist meine Aufgabe zu tun, aber alle kleinen Hinweise würden sehr geschätzt werden.

Answer 1

Um ein Regressionsmodell zu erstellen, benötigen Sie Trainingsdaten und Trainingswerte. Damit können Sie dem Problem eine Reihe von Regressionsparametern zuordnen.

Dann zu prognostizieren, benötigen Sie Vorhersagedaten, aber keine Vorhersagewerte, weil Sie diese nicht haben - Sie versuchen, sie vorherzusagen!

Der folgende Code, zum Beispiel wird, laufen:

from sklearn.linear_model import LinearRegression 
import numpy as np 

trainingData = np.array([ [2.3,4.3,2.5], [1.3,5.2,5.2], [3.3,2.9,0.8], [3.1,4.3,4.0] ]) 
trainingScores = np.array([3.4,7.5,4.5,1.6]) 

clf = LinearRegression(fit_intercept=True) 
clf.fit(trainingData,trainingScores) 

predictionData = np.array([ [2.5,2.4,2.7], [2.7,3.2,1.2] ]) 
clf.predict(predictionData) 

Es sieht aus, als wenn Sie die falsche Anzahl von Argumenten in Ihre predict() Anruf setzen sind - hier einen Blick auf meine Schnipsel haben und Sie sollten in der Lage zu erarbeiten, wie man es ändert.

Just for Interesse, können Sie die folgende Zeile laufen danach Zugriff auf die Parameter zu erhalten, die die Regression auf die Daten passt: print repr(clf.coef_)