在python machinelearningmodel中对最新数据的权重大于对旧数据的权重

Question

在python中有一个机器学习模型，其中历史数据用于训练模型。使用此回归模型，应给出连续变量的预测

有可能比年轻人考虑年轻的数据吗？因为在动态系统中，较旧数据中的模式在当前可能已过时，因此不应具有与较新数据相同的预测值

Answer 1

使用参数^{}，可以在拟合前对数据集的部分进行称重。在我的例子中，我用因子3将数据集的最近一半加权到另一半。考虑数据集按日期排序。

sample_weight = np.ones(len(X_train)) 
sample_weight[int(len(sample_weight)*0.5):] = 3

然后将参数指定给fit函数

decision_regressor.fit(X_train, y_train, sample_weight)

Answer 2

理论上，您可以在回归模型中使用权重来解释旧数据中不可靠的度量。但根据您使用的统计程序和软件包，这可能很难实现

或者，通过使用分层样本，您可以在训练语料库的组成中为最近的数据提供更高的概率。如果你从50%的最近案例、30%的最近案例和20%的旧案例组成训练语料库，你会自动赋予最近案例更高的权重。这可能是一种更可行、更直接的方法，可以使您的模型与最近的案例保持一致

无论如何，我建议比较近期和较老案例的培训数据，以确定近期数据导致变化的地方。也就是说，在最近的案例中，哪些特征与以前没有的相关，哪些特征失去了相关性。这可能会告诉您有关机器学习模型的更多内容，并允许您更好地对其进行自定义

也就是说，这个问题更适合交叉验证或数据科学，而不是StackOverflow，因为它不涉及代码