在最近的 Hackerrank 采访中，我遇到了以下问题：
给定一组时间戳（格式2019-11-26 11:00）及其相应的股票价格（单个浮点值），近似一组时间戳的缺失股票价格。
起初我尝试使用 SVR 模型来解决它，但我不得不意识到没有任何常用的数据科学库可用于该测试。
如果没有数据科学库，你将如何在有限的时间内解决这个问题？
我最终做了以下事情：采用最接近的可用测量值并根据它们求解y = mx + b方程，因此我的预测将是我的 x 对应的 y 值。
对于给定的测试用例，这似乎很好地解决了问题。我在 Python 中的解决方案
如果您想在不使用任何包（例如 Numpy 等）的情况下执行简单的时间序列回归，则需要自己编写和求解模型。您可以使用梯度下降或最小二乘法来求解模型。
让我们看一个最小二乘解决方案。一个简单的模型（省略 sibscripts）如下所示：
其中由滞后解释，是误差项（如果需要，您也可以使用更多滞后）。您可以将其“组合”成一个矩阵，其中第一列等于一（截距），第二列包含滞后。在矩阵表示法中，模型如下所示：
现在您可以通过以下方式解决：
现在在不使用 numpy 之类的包的情况下解决问题应该相对容易（但仍有一些工作）。
作为矩阵表示法和梯度下降的替代方案，您还可以通过其他方式求解线性回归，例如，如本文所示。