机器学习分类器使用过去的预测作为特征

Posted 2023-03-12

【中文标题】机器学习分类器使用过去的预测作为特征

【英文标题】：Machine Learning Classifier use past predictions as features

【发布时间】：2021-02-06 19:53:08

【问题描述】：

我想建立一个二元分类器机器学习模型。 我想使用模型之前的预测作为未来预测的特征，以考虑到我的训练样本不是独立的。

是否有使用 scikit-learn 或任何其他 python ML 库来实现此目的的框架？

我知道这个问题可以通过基于内存的神经网络架构（如 RNN、LSTM 等）来解决，但我想首先考虑非深度学习方法（通常使用梯度提升模型、基于树的模型...... ..)

【参考方案1】：

您可以使用多种统计模型来根据过去预测未来，而无需使用深度学习；换句话说，用于时间序列预测。

例如，您可以使用ARIMA/SARIMA/SARIMAX 或VAR，它们是可用于预测的统计模型。

您可以参考以下链接作为起点：

https://machinelearningmastery.com/arima-for-time-series-forecasting-with-python/ https://www.machinelearningplus.com/time-series/vector-autoregression-examples-python/

另外，不要忘记深入研究statsmodel python 库。