当每个季节有不同的模型时预测价格

Question

我有一个包含许多列的数据集：

有4个变量用于预测： -季节（总和、aut、win、spr） -特快装运（真、假） -运输距离（以公里为单位） -首次客户（对、错）

这4个变量用于计算装运价格，规则如下：， 对于每个季节，都有一个使用上述变量的单独模型

我使用了一种方法，将True转换为1，将False转换为0 对于2个布尔列 我还将季节转换为整数表示（1,2,3,4）

问题是我的预测非常不准确，下面是我使用的代码

from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split 
modeling = data.loc[:,["shipping_distance","season_int","new_cust_int","express_shipment","shipping_charge"]]
x =modeling.iloc[:,:-1]
y =modeling.iloc[:,-1:]
X_train, X_test, y_train, y_test = train_test_split(x,y, random_state = 1)
model = LinearRegression()
model.fit(X_train, y_train)
model.predict(X_test)

有人能解释这个问题的正确方法是什么，或者如何解决它吗

Answer 1

这里您使用标签编码器来表示“季节”（1,2,3,4）和线性回归。这意味着您为这个模型分配了一些内在的顺序。您可以尝试对“season_int”进行一种热编码：

https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html

Answer 2

可能的答案：

• 您正在使用分类变量进行线性回归，这可能是一个问题Here是可能的解决方案
• 线性回归可能不是解决问题的最佳模型，因为您的问题可能不是线性的。试试非线性模型，例如sklearn.ensemble.RandomForestRegressor
• 对于您试图解决的问题，您的数据集可能没有足够的价值。这些变量可能不是决定价格等的最佳变量
• 您没有足够的数据来训练您的模型

Answer 3

似乎您需要一个时间序列模型[是吗？]https://www.statsmodels.org/stable/examples/index.html#time-series-analysis