ตัวอย่างแรกสำหรับ "ฉันจะทำนายอนาคตโดยใช้ KNN regressor ได้อย่างไร"
ปัญหา: ทำนายเวลาของแสงแดดในวันพรุ่งนี้
จากในสัปดาห์ที่ผ่านมา
ข้อมูลการฝึกอบรม: (ในเมืองเดียว) ในช่วง 10 ปีที่ผ่านมามี 3650 หมายเลขsunt+1sunt..sunt−6
sunt
แสดงว่า
และ1}weekt≡sunt..sunt−6tomorrow(weekt))≡sunt+1
วิธีการ: ใส่เส้นโค้ง 3650 คี่ในต้น kd ด้วย k = 7
ให้ใหม่ค้นหาเพื่อนบ้านที่อยู่ใกล้ที่สุด 10 วัน
ด้วยของพวกเขา
และคำนวณถ่วงน้ำหนักเฉลี่ยweekt
week
tomorrow0..tomorrow9
predict(week)≡tomorrow0..tomorrow9
ปรับแต่งน้ำหนักให้ดูเช่น
ผกผันทางถ่วงน้ำหนัก-IDW-การแก้ไขที่มีงูหลาม ,
และระยะทางเมตริกสำหรับ "เพื่อนบ้านที่ใกล้ที่สุด" ใน 7d
"ข้อดีของการใช้ KNN regressor คืออะไร"
สำหรับความคิดเห็นที่ดีของผู้อื่นฉันจะเพิ่มโค้ดและทำความเข้าใจได้ง่ายและเพิ่มขนาดข้อมูลให้ใหญ่ขึ้น
ข้อเสีย: ความไวต่อข้อมูลและการปรับแต่งไม่มากเข้าใจ
(Longnote เชิงอรรถเกี่ยวกับคำศัพท์:
"การถดถอย" ถูกใช้เป็นคำแฟนซีสำหรับ "การปรับโมเดลให้เหมาะกับข้อมูล"
โดยทั่วไปคือการปรับข้อมูลให้เหมาะกับเป้าหมายด้วยโมเดลเชิงเส้น:
นอกจากนี้ยังมีการคาดการณ์ว่าราคาหุ้นในวันพรุ่งนี้
จากราคาในช่วงสัปดาห์หรือปีที่แล้ว:
พยากรณ์นี้เรียก ARMA,
อัตถดถอยย้าย-average_model
หรือ
อัตถดถอยรุ่น
. ดูเพิ่มเติม
การวิเคราะห์การถดถอย
XY
Y t + 1Yt=b0Xt+b1Xt−1+...Yt+1
Yt+1=a0Yt+a1Yt−1+...
ดังนั้นบรรทัดแรกของคุณ "เราสามารถสร้างฟังก์ชั่นการถดถอยที่อยู่ภายในช่วงเวลาของข้อมูลการฝึกอบรม" น่าจะเกี่ยวกับคำว่า "การถดถอย" ที่สับสน)