python - Kneighbors 时间序列分类
问题描述
我有一个长度为 60 的时间数据框(基本上是我的训练集),我有一个长度为 5 的时间数据框(我的测试集)。
我想使用 K-nearaset 邻居和动态时间扭曲来进行分类和预测。
我找到了一个“tslearn”包,准确地说,KNeighborsTimeSeriesClassifier
但是执行时出现以下错误fit()
:
ValueError: Unknown label type: 'continuous-multioutput'
这是我的一段代码:
df_data=data[data.index<"2020-04-29"]
df_train=df_data[['S&P500 %','VIXY %']]
Y_train=df_data[['Spx_Weight','VIXY_Weight']]
df_test=data[data.index>="2020-04-29"][['S&P500 %','VIXY %']]
#
knn_clf = KNeighborsTimeSeriesClassifier(n_neighbors=3, metric="dtw")
knn_clf.fit(df_train, Y_train)
predicted_labels = knn_clf.predict(df_test)
print("\n2. Nearest neighbor classification using DTW")
解决方案
推荐阅读
- jquery - 如何在 AgendaWeek / AgendaDay 视图中选择全日历时间行?
- python - 如何使用python中的数值范围从excel文件中提取一组特定的值?
- sql - 提取字符前后的数字
- matlab - Matlab优化停止标准
- java - 嵌套类(Thymeleaf 形式)的问题 - 无法转换属性值
- javascript - 使用 onClick HTTP 请求/输出作为警报窗口的反应按钮
- scala - 如何使用scala中的火花流将索引列附加到火花数据帧?
- java - 从错误响应中获取数据时出现 java.io.IOException
- javascript - 有人可以详细解释 useEffect 的工作原理吗?
- java - 基于布尔标志在 java 8 中执行 1 行功能的最佳方法是什么?