6、基于机器学习的预测

应用机器学习的任何预测任务与这四个策略。

1、简介

在第二课和第三课中，我们将预测视为一个简单的回归问题，所有的特征都是从一个输入，即时间索引，衍生出来的。我们可以通过生成我们想要的趋势和季节性特征，轻松地对未来的任何时间进行预测。

但是，当我们在第四课中添加了滞后特征时，问题的性质就发生了变化。滞后特征要求在进行预测时，滞后的目标值是已知的。滞后 1 的特征将时间序列向前移动 1 步，这意味着你可以预测未来的 1 步，但不能预测 2 步。

在第四课中，我们只是假设我们可以一直生成滞后特征，直到我们想要预测的期间（换句话说，每个预测都是向前一步）。然而，现实世界的预测通常需要更多的信息，所以在这一课中，我们将学习如何针对各种情况进行预测。

1.1定义预测任务

在设计预测模型之前，有两件事情需要确定：

• 在进行预测时，有哪些信息是可用的（特征），以及，
• 你需要预测值的时间段（目标）。

预测起点是你进行预测的时间。实际上，你可以将预测起点视为你有训练数据的最后一个时间，用于预测正在预测的时间。起点之前的所有内容都可以用来创建特征。

预测范围是你进行预测的时间。我们通常用预测范围内的时间步数来描述一个预测：例如，“1 步”预测或“5 步”预测。预测范围描述了目标。

一个三步预测范围，有两步的提前时间，使用四个滞后特征。该图表示了一行训练数据的内容，也就是一个预测的数据。

起点和范围之间的时间是预测的提前时间（或有时称为延迟）。预测的提前时间由起点到范围的步数来描述：例如，“1 步前”或“3 步前”的预测。在实践中，由于数据获取或处理的延迟，可能需要一个预测从起点开始多步前进行。

1.2准备预测数据

为了用机器学习算法进行时间序列预测，我们需要将序列转换为一个可以用于这些算法的数据框。（当然，除非你只使用确定性的特征，如趋势和季节性。）

我们在第四课中看到了这个过程的前半部分，当时我们用滞后值创建了一个特征集。后半部分是准备目标值。我们如何做这个取决于预测任务的不同。

数据框中的每一行代表一个单独的预测。行的时间索引是预测范围内的第一个时间，但我们将整个范围内的值都安排在同一行中。对于多步预测，这意味着我们需要一个模型能够产生多个输出，每一步一个。

In [1]:

import numpy as np
import pandas as pd

N = 20
ts = pd.Series(
    np.arange(N),
    index=pd.period_range(start='2010', freq='A', periods=N, name='Year'),
    dtype=pd.Int8Dtype,
)

# Lag features
X = pd.DataFrame({
   
    'y_lag_2': ts.shift(2),
    'y_lag_3': ts.shift(3),
    'y_lag_4': ts.shift(4),
    'y_lag_5': ts.shift(5),
    'y_lag_6': ts.shift(6),    
})

# Multistep targets
y = pd.DataFrame({
   
    'y_step_3': ts.shift(-2),
    'y_step_2': ts.shift(-1),
    'y_step_1': ts,
})

data = pd.concat({
   'Targets': y, 'Features': X}, axis=1)

data.head(10).style.set_properties(['Targets'], **{
   'background-color': 'LavenderBlush'}) \
                   .set_properties(['Features'], **{
   'background-color': 'Lavender'})

Out[1]:

	Targets	Features
	y_step_3	y_step_2	y_step_1	y_lag_2	y_lag_3	y_lag_4	y_lag_5	y_lag_6
Year