机器学习分类器使用过去的预测作为特征

Question

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用基于记忆的神经网络架构来解决，比如 RNN、LSTM ……，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……）

Answer 1

有几种统计模型可用于在不使用深度学习的情况下根据过去预测未来； 换句话说，对于时间序列预测。

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：

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

另外，不要忘记深入研究statsmodel python 库。