梯度回归模型预测PPI

梯度提升回归模型（HistGradientBoostingRegressor），它可以用于分析和预测连续型的数值型数据。通常在回归问题中，该模型可以用于预测因变量（连续型数值型）和自变量（特征）之间的关系，例如预测股票价格、房价等数值型数据的变化趋势。

在本例中，我们使用该模型对中国生产者物价指数（PPI）的未来走势进行了预测。通过对历史数据的学习，该模型可以预测未来PPI的变化趋势，帮助决策者做出更为准确的决策。

import pandas as pd
import numpy as np
from sklearn.ensemble import HistGradientBoostingRegressor
from sklearn.metrics import mean_squared_error

# 读取数据
df = pd.read_csv('G:/statistics/China_PPI(2011_2022).csv')

# 特征工程
df['month'] = pd.to_datetime(df['month'].astype(str), format='%Y%m')
df['month_diff'] = df['month'].diff().dt.days
df['ppi_yoy_lag1'] = df['ppi_yoy'].shift(1)
df['ppi_yoy_lag2'] = df['ppi_yoy'].shift(2)
df['ppi_yoy_lag3'] = df['ppi_yoy'].shift(3)
df['ppi_yoy_ma3'] = d