多变量 KNN 预测

Question

因此，如果我的数据具有 1 个预测下一个结果的特征，我就有适用于 knn.predict() 的代码。为了说明这一点，我有股票数据（开盘价、最高价、最低价、收盘价），其中我使用 "Open" 作为 "X" 数据，"Close" 作为 "Y" 数据和 knn.predict 将预测 Y 的下一个值。

当我尝试为我的 X 数据使用 "Open, High, Low" 列（3 个特征）时，出现以下错误：

File "sklearn\neighbors\binary_tree.pxi", line 1294, in sklearn.neighbors.kd_tree.BinaryTree.query
ValueError: query data dimension must match training data dimension

我认为这是因为我的 X.shape 和 Y.shape 其中 X 与 Y 的大小不同，但我不知道如何修复它。如果 X 和 Y 必须大小相同，如何使用 KNN 进行多特征分析？

部分代码：

df = df[['Date','Time', 'Open', 'High', 'Low', 'Close']]
df.head()

# Predictor Variables
df['Open'] = df.Open
df['High'] = df.High
df['Low'] = df.Low
df['Close'] = df.Close
df = df.dropna()
#Data = np.delete(arr = df, obj=0, axis = 0)
X = np.array(df.ix[:, 2:6])
#X.head()
print X.shape

# Target Variable
Y = np.where(df['Close'].shift(-1)>df['Close'],1,-1)
#print (Y)

#Predict
u = df['Close'].iloc[-1]
#print u
new_prediction = knn.predict(u)
print new_prediction

Answer 1

为了训练，您正在使用

X = np.array(df.ix[:, 2:6])

即具有 6 - 2 = 4 列的矩阵，这意味着邻居是 4 元组。

为了进行预测，您正在使用

u = df['Close'].iloc[-1]

这是一个标量。

最近邻未定义，sklearn很不爽

多变量 KNN 预测

multivariate KNN prediction

python

machine-learning

knn

pandas

scikit-learn