我们可以将以前时间的数据作为输入变量,并使用下一个时间的数据作为输出变量。
我们来举个具体的例子。...想象我们有一个时间如下的序列:
time, measure
1, 100
2, 110
3, 108
4, 115
5, 120
我们可以重构这个时间序列数据集作为一个监督学习问题,通过使用上一个时间节点的值来预测下一个时间节点的值...我们可以看到,观察值的时间顺序被保留了下来,并且这在使用数据集来训练监督模型时是必须保留的。
我们可以看到,我们没有值可以用来预测序列中的第一个值,因此我们将该无用数据行删除。...正如在上面在一元时间序列中一样,我们也需要删除第一行和最后一行数据来训练我们的有监督学习模型。
这里也引出了我们的下一个问题:如果我们想同时预测measure1和measure2应该怎么做?...考虑和第一个样例一样的一元时间序列数据集:
time, measure
1, 100
2, 110
3, 108
4, 115
5, 120
我们可以将这个时间序列重构为一个窗口宽度为1的两步预测有监督学习数据集