我目前正在处理一个时间序列数据集，每 30 分钟（30 分钟的数据，30 分钟的无数据）具有周期性间隙。有没有一种相对简单的方法可以使用 scikit-learn（或其他 Python 库）来预测缺失数据，使用可用数据对其进行训练？我认为这将涉及“监督培训”方法？我提供了一个图表供视觉参考，橙色线是缺口数据集的 20 分钟集中移动平均线，我想将数据填充为看起来更像来自单独完整的绿色 60 分钟集中移动平均线数据集。谢谢！
需要机器学习算法来填充时间序列数据
数据挖掘
机器学习
Python
scikit-学习
数据集
统计数据
2022-02-15 10:49:43
2个回答
n_degree您可以使用ridge回归来近似具有多项式的时间序列。您可以尝试不同的度数（例如[2,3,4,5,6]）并选择最好的一个。请记住，更高阶的模型总是得到更低的错误值。所以你应该以某种方式惩罚更高的学位。
from sklearn.linear_model import Ridge
from sklearn.preprocessing import PolynomialFeatures
from sklearn.pipeline import make_pipeline
for count, degree in enumerate([2, 3, 4, 5, 6]):
model = make_pipeline(PolynomialFeatures(degree), Ridge())
model.fit(Time, y)
更多细节在这里。
您正在尝试做的事情称为时间序列中的插补（即填补空白）。
此处提供了使用 python 估算时间序列的指南：
https://medium.com/@drnesr/filling-gaps-of-a-time-series-using-python-d4bfddd8c460
该指南使用一些算法来估算数据，但可以在此处找到更广泛的算法列表：
其它你可能感兴趣的问题