Ho il seguente panda dataframe, chiamato main_frame
:Python/scikit-learn/- da panda Dataframes a Scikit previsione
target_var input1 input2 input3 input4 input5 input6
Date
2013-09-01 13.0 NaN NaN NaN NaN NaN NaN
2013-10-01 13.0 NaN NaN NaN NaN NaN NaN
2013-11-01 12.2 NaN NaN NaN NaN NaN NaN
2013-12-01 10.9 NaN NaN NaN NaN NaN NaN
2014-01-01 11.7 0 13 42 0 0 16
2014-02-01 12.0 13 8 58 0 0 14
2014-03-01 12.8 13 15 100 0 0 24
2014-04-01 13.1 0 11 50 34 0 18
2014-05-01 12.2 12 14 56 30 71 18
2014-06-01 11.7 13 16 43 44 0 22
2014-07-01 11.2 0 19 45 35 0 18
2014-08-01 11.4 12 16 37 31 0 24
2014-09-01 10.9 14 14 47 30 56 20
2014-10-01 10.5 15 17 54 24 56 22
2014-11-01 10.7 12 18 60 41 63 21
2014-12-01 9.6 12 14 42 29 53 16
2015-01-01 10.2 10 16 37 31 0 20
2015-02-01 10.7 11 20 39 28 0 19
2015-03-01 10.9 10 17 75 27 87 22
2015-04-01 10.8 14 17 73 30 43 25
2015-05-01 10.2 10 17 55 31 52 24
Sto avendo difficoltà ad esplorare il set di dati su scikit-learn e io Non sono sicuro che il problema sia il Dataset panda, le date come indice, i NaN/Infs/Zeros (che non so come risolvere), tutto, qualcos'altro che non ero in grado di tracciare.
Voglio creare una regressione semplice per prevedere il prossimo elemento target_var in base alle variabili denominate "Input" (1,2,3 ..).
Nota che ci sono molti zeri e NaN nelle serie temporali e alla fine potremmo trovare anche gli Inf.
Nell'esempio precedente X = main_frame.input1 [:, 1:]. Valori y = main_frame.target_var [:, 0] .valori, giusto? – abutremutante
'df' è solo un termine generico per dataframe. Puoi sostituirlo con 'main_frame' nel tuo caso. Usa 'iloc' (posizione dell'indice) invece di' input1' e 'target_var'. – Alexander
ti dispiacerebbe aggiungere alla tua risposta un modo per tracciarlo insieme a X e y? – abutremutante