我正在尝试使用线性回归进行时间序列预测，就像在这个视频中所做的那样：径向基础预测从 5:50 开始。
我理解基础的基本概念，但我认为我没有正确理解它在时间序列数据中的用法。我有一个带有每日时间戳和目标变量的 Pandas 数据框。我试着写径向基函数
def radial_basis(x, month):
alpha = 0.5
coef = -1/(2*alpha)
return np.exp(coef*(x-month)**2)
以及每个月的计算基础（x 是行号）。这没有用。
关于我应该如何尝试做到这一点的任何提示？
我能够自己解决这个问题。首先，您需要创建一个包含时间戳中年份值的列。然后对该列应用radial_basis函数，月份参数为每月的中间一天。例如，1 月是 15 日，2 月 45 日等。
使用此方法，您可以生成每个月的峰值。
data_all['Day'] = data_all.Timestamp.dt.dayofyear
def radial_basis(x, month):
alpha = 8
coef = -1/(2*alpha)
return np.exp(coef*(x-month)**2)
for i in range(12):
col = 'RB' + str(i+1)
data_all[col] = data_all.Day.apply(radial_basis, month=(15+30*i))
以下定义确保您始终获得对称函数，即使您过渡到另一年。否则，您将在 12 月 31 日至 1 月 1 日之间跳槽。
def gaussian(x, month, alpha):
if x - month <= 365 / 2:
return np.exp(- (x - month) ** 2 / (2 * alpha))
else:
return np.exp(- (x - month - 365) ** 2 / ( 2 * alpha))
这似乎在 366 天之内都有效。