xgboost时间序列预测matlab,LightGBM和XGBoost实现时间序列预测(2019-04-02)

LightGBM是最近最常见的一类算法，在kaggle比赛中经常被用来做预测和回归，由于性能比较好有着“倚天剑”的称号，而XGBoost则被称为屠龙刀。今天，我们就抛砖引玉，做一个简单的教程，如何用这倚天剑和屠龙刀来预测时间序列。参数没有调到最佳的预测效果，根据不同的数据集，同学们可以自己调参。

1.环境搭建

我们运行的环境是下载anaconda，然后在里面安装keras以及lightgbm，打开spyder运行程序即可。其中下载anaconda和安装keras的教程在我们另一个博客“用CNN做电能质量扰动分类(2019-03-28)”中写过了，这里就不赘述了。至于安装lightgbm的教程可以看“https://zhuanlan.zhihu.com/p/38361330”，基本上一句话总结就是“在Anaconda Prompt中输入pip install lightgbm 按Enter即可”

2.数据集下载

下载时间序列数据集和程序。其中，网盘连接是：

https://pan.baidu.com/s/1atjv-Juq9j8dW_x5RKUohg，密码是“ivhz”。

“nihe.csv”是我自己做的一个时间序列的数据集，一共有1000行4列其中，1-3列可以认为是X，第4列认为是Y。我们现在要做的就是训练3个X和Y之间的关系，然后给定X去预测Y。

3.预测

把下载的nihe.csv文件放到spyder 的默认路径下，我的默认路径是“D:\Matlab2018a\42”，新建一个.py文件，把程序放进去，运行即可。运行结束后，forecasttestY变量就是测试集的预测值。