时间序列预测模型的代码
时间: 2023-08-22 17:10:03 浏览: 62
好的,以下是一个简单的时间序列预测模型的 Python 代码:
```python
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
# 读取数据
data = pd.read_csv('data.csv')
# 将时间列转换为日期格式
data['Date'] = pd.to_datetime(data['Date'])
# 将日期列设置为索引
data.set_index('Date', inplace=True)
# 绘制原始数据图形
plt.figure(figsize=(10, 6))
plt.plot(data)
plt.title('Original Data')
plt.xlabel('Date')
plt.ylabel('Value')
plt.show()
# 创建训练集和测试集
train_size = int(len(data) * 0.8)
train_data = data[:train_size]
test_data = data[train_size:]
# 创建特征和目标变量
X_train = np.array(range(train_size)).reshape(-1, 1)
y_train = train_data.values
X_test = np.array(range(train_size, len(data))).reshape(-1, 1)
y_test = test_data.values
# 训练线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)
# 预测测试集数据
y_pred = model.predict(X_test)
# 绘制预测结果图形
plt.figure(figsize=(10, 6))
plt.plot(test_data.index, y_test, label='Actual')
plt.plot(test_data.index, y_pred, label='Predicted')
plt.title('Predicted Data')
plt.xlabel('Date')
plt.ylabel('Value')
plt.legend()
plt.show()
```
该代码首先读取一个名为 `data.csv` 的时间序列数据,然后将时间列转换为日期格式并将其设置为索引。接下来,它将数据集分为训练集和测试集,并使用训练集训练一个简单的线性回归模型。最后,它使用训练的模型来预测测试集的数据,并将预测结果绘制在图形上以进行可视化。