Je veux faire une prévision naïve avec un ensemble de données que j'ai et je me bats un peu en le faisant.Prévisions Naive day-ahead
values = DataFrame(dataset.iloc[:, -1])
Y_naive = pd.concat([values.shift(24), values], axis=1)
Y_naive.columns = ['t', 't+1']
x = Y_naive.values
Ce que j'ai fondamentalement, ce sont des données horaires où je veux comparer la dernière colonne concernant sa manifestation {0,1}. Puisque je veux comparer cette prévision naïve avec d'autres prédicteurs de jour en avant, je veux utiliser les données d'un jour avant (shift (24)) pour prédire la manifestation réelle. Prévisions Naive:
def naive_forecast(x):
return x
predictions = list()
for x in test_x:
yhat = naive_forecast(x)
predictions.append(yhat)
Pour moi, il est très difficile de savoir comment faire le processus de cartographie. Cela signifie comment abandonner l'argument que pour les tests de classification binaire, je veux utiliser les données de 24 heures avant de les mapper sur les données maintenant pour l'ensemble de données itérativement. (https://en.wikipedia.org/wiki/Forecasting#Na.C3.AFve_approach)