我有来自 170 种不同条件的数据,每种条件都有不同数量的制冷剂、管道等。我知道这是少量数据,但我想用它来创建一个模型,预测新条件下温度的变化或一时间步后的温度是多少。不过,我有几个问题希望您能解答。
我想要一个针对多个数据进行训练的模型,而不是针对每种条件的模型。
回答
--> 因为它由同一变量(温度)随时间的多次观察(170 个条件)组成,所以您的数据是面板数据。另一方面,时间序列数据是跨时间对变量的一系列观察,观察的顺序很重要。
--> 即使制冷剂量、压力等不随时间变化,将它们作为变量包含在 AutoGluon 中也是正确的。 AutoGluon 会将这些变量视为固定效应,估计每个条件的单独截距。
--> 您可以尝试以下步骤吗
import autogluon.timeseries as ts
import pandas as pd
df = pd.read_csv('your_data.csv')
dataset = ts.TimeSeriesDataset(df)
train_set, test_set = dataset.split(0.8)
predictor = ts.AutoGluonTimeSeriesPredictor()
predictor.fit(train_set)
test_rmse = predictor.evaluate(test_set)
test_predictions = predictor.predict(test_set)
// Make predictions on new data:
new_data = pd.DataFrame({'temperature': [50, 60, 70]})
new_predictions = predictor.predict(new_data)
-> 我认为这对你很有帮助。如果您遇到一些问题,请告诉我,我会尽力解决它。谢谢。