时间戳

首页 > 解决方案 > scikit-learn - LinearRegression() 可以使用一个特征学习与直线不同的东西吗？

python - scikit-learn - LinearRegression() 可以使用一个特征学习与直线不同的东西吗？

问题描述

我正在使用 scikit-learn 的 LinearRegression() 和时间序列数据，例如

time_in_s              value
1539015300000000000    2.061695
1539016200000000000    40.178125
1539017100000000000    12.276094
...

因为它是一个单变量情况，我希望我的模型是一条直线，如y=m*x+c。当我做

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(df.time_in_s,
                                                    df.value,
                                                    test_size=0.3,
                                                    random_state=0,
                                                    shuffle=False)

regressor = LinearRegression().fit(X_train, y_train)

y_pred_train = regressor.predict(X_train)
y_pred_test = regressor.predict(X_test)
[...]

正如预期的那样，我得到了一条直线：在此处输入图像描述。如果我使用shuffle=True，我会得到一条曲线在此处输入图像描述。

我正在努力理解shuffle这里的作用以及为什么我可以学到与具有一个特征的直线不同的东西。我会很感激一个提示。

编辑：这是模型的属性

>>> #shuffle=False
>>> print(f"{regressor.coef_}")
[-1.6e-16]
>>> print(f"{regressor.intercept_}")
272.0575589244862

>>> #shuffle=True
>>> print(f"{regressor.coef_}")
[-7.76e-17]
>>> print(f"{regressor.intercept_}")
143.9711420915541

对于绘图：

start = 61000
stop = 61500

fig, ax1 = plt.subplots(figsize=(15, 5))

color='tab:red'
plt.plot(df.index[start:train_length].values.reshape(-1, 1),
         df.value[start:train_length].values.reshape(-1, 1),
         color=color)
color='tab:blue'
plt.plot(df.index[train_length:stop].values.reshape(-1, 1),
         df.value[train_length:stop].values.reshape(-1, 1),
         color=color)
color='tab:green'
plt.plot(df.index[start:train_length].values.reshape(-1, 1),
         y_pred_train[start:],
         color=color,
         linestyle='dashed')
plt.plot(df.index[train_length:stop].values.reshape(-1, 1),
         y_pred_test[:stop - train_length],
         color=color,
         linestyle='dashed')

ax1.tick_params(axis='y')
ax1.tick_params(axis='x')

标签： pythonscikit-learnlinear-regression

解决方案

你没有得到曲线。如果您查看train_test_split的帮助页面，它会写道：

shuffle bool, default=True 拆分前是否对数据进行shuffle。如果 shuffle=False 则分层必须为 None。

我假设您的数据是根据 排序的df.time_in_s，因此如果您不洗牌，您将对数据的前 70% 运行回归模型并预测最后 30%。

使用shuffle=True时，行的顺序被交换，您将随机抽取 70% 的数据并预测另外 30% 的数据，而不考虑时间。您没有显示绘图代码，但我的猜测是您以有序的时间绘制了原始数据框，并且只是将预测放在了顶部，因此您得到了这条模糊线。

推荐阅读