随机森林时间序列预测模型

### 随机森林用于时间序列预测

随机森林是一种集成学习方法，通过构建多个决策树并将它们的结果汇总来提高模型性能。对于时间序列数据而言，应用随机森林进行预测涉及特征工程、训练过程以及评估等多个方面。

#### 特征工程
为了使随机森林能够处理时间序列问题，在准备输入数据时需考虑如下因素：

- **滞后变量**：创建基于历史观测值的新特征，例如前一时刻(t-1)，两小时前(t-2)等作为新列加入到原始数据集中[^1]。

- **滚动统计量**：计算移动平均数、标准差或其他描述性统计数据以捕捉趋势变化模式。

- **周期特性编码**：如果存在明显的季节效应，则可以引入月份、星期几之类的循环属性作为额外维度。

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_squared_error

# 假设df是一个包含时间戳索引和目标列'y'的数据框
def create_features(df):
    df['hour'] = df.index.hour
    df['dayofweek'] = df.index.dayofweek
    df['quarter'] = df.index.quarter
    df['month'] = df.index.month
    df['year'] = df.index.year
    df['lag_1'] = df['y'].shift(1)
    df['rolling_mean'] = df['y'].rolling(window=7).mean()
    
    return df.dropna()

data = ... # 加载实际的时间序列数据集
prepared_data = create_features(data)

X = prepared_data[['hour', 'dayofweek', 'quarter', 'month', 'year', 'lag_1', 'rolling_mean']]
y = prepared_data['y']

X_train, X_valid, y_train, y_valid = train_test_split(X, y, test_size=0.2, shuffle=False)

#### 训练与验证
一旦完成了上述预处理工作之后就可以开始建立并优化随机森林回归器了:

model = RandomForestRegressor(n_estimators=100, random_state=42)
model.fit(X_train, y_train)

predictions = model.predict(X_valid)
mse = mean_squared_error(y_valid, predictions)
print(f'Mean Squared Error on validation set: {mse}')

此部分展示了如何利用Python中的`sklearn`库实现基本的随机森林建模流程，并给出了简单的误差度量方式——均方误差(MSE)[^2]。