SVR：预测值与实际值相差很远，尽管R平方很高，MSE很低

Question

我使用scikit learn训练了一个SVR模型，该模型通过使用比特币以前日期的收盘价来预测比特币的未来价格。我已使用以下函数将日期从第一个可用日期转换为增量：

btc['Date'] = pd.to_datetime(btc['Date'])     
btc['date_delta'] = (btc['Date'] - btc['Date'].min())  / np.timedelta64(1,'D')

我的DataFrame头部看起来如下所示：

<table>
  <tr>
    <th>date_delta</th>
    <th>Close</th>
  </tr>
  <tr>
    <td>1654.0</td>
    <td>7144.38</td>
  </tr>
  <tr>
    <td>1653.0</td>
    <td>7022.76</td>
  </tr>
</table>

然后我将其划分为测试数据集和训练数据集,如下所示：

msk = np.random.rand(len(btc_select)) < 0.8
btc_train = btc_select[msk]
btc_test = btc_select[~msk]

并在训练模型之前对数据集进行最小最大缩放,如下所示：

from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
scaler.fit(btc_train)
btc_train = scaler.transform(btc_train)
btc_test = scaler.transform(btc_test)

我的模型是用下面的函数训练的，我发现多项式核给出了最好的结果：

def predict_prices(dates_train, prices_train, dates_test, price_test):
    dates_train=np.reshape(dates_train, (len(dates_train),1))
    dates_test=np.reshape(dates_test, (len(dates_test),1))
    svr_lin = SVR(kernel='linear', C=1e3)
    svr_poly = SVR(kernel = 'poly', C=1e3, degree=8)
    svr_rbf = SVR(kernel='rbf', C=1e3, gamma=0.8)
    svr_lin.fit(dates_train,prices_train)
    svr_poly.fit(dates_train,prices_train)
    svr_rbf.fit(dates_train,prices_train)
    plt.figure(figsize=(14,10))
    plt.scatter(dates_train, prices_train, color='black', label='Data')
    plt.plot(dates_train, svr_rbf.predict(dates_train), color='red', label='RBF model')
    plt.plot(dates_train, svr_lin.predict(dates_train), color='green', label='Linear model')
    plt.plot(dates_train, svr_poly.predict(dates_train), color='blue', label='Polynomial model')
    plt.xlabel('Date')
    plt.ylabel('Price')
    plt.title('Support Vector Regression')
    plt.legend()
    plt.show()
    print('Lin Score:', svr_lin.score(dates_test, price_test))
    print('Poly Score:', svr_poly.score(dates_test, price_test))
    print('Rbf Score:', svr_rbf.score(dates_test, price_test))
    scores = cross_val_score(svr_poly, dates_train, prices_train, cv=6, scoring='neg_mean_squared_error')
    accuracy = metrics.r2_score(price_test, svr_poly.predict(dates_test))
    print('R-Squared Value for the Polynomial Kernel:', accuracy)
    print('Cross Validation Mean Squared Error for the Polynomial Kernel:', scores)
    return svr_poly

我得到以下准确性和交叉验证分数：

Lin Score: 0.3290332147578777
Poly Score: 0.8724266575682722
Rbf Score: 0.836449334307112
R-Squared Value for the Polynomial Kernel: 0.8724266575682722
Cross Validation Mean Squared Error for the Polynomial Kernel: [-0.13853584 -0.00069995 -0.00043713 -0.00041959 -0.00341142 -0.00352207]

但是，当我尝试在对date_delta进行转换并对预测输出进行反向转换之后，预测数据点的btc价格时，结果却大相径庭。需要帮助知道哪里出了问题。

transform_inp = scaler.transform([[1654.0,0.0]])
transform_inp[0,0]
1.000604960677556

predicted_val = model.predict(np.array(transform_inp[0,0]))
predicted_val
array([0.73674025])

scaler.inverse_transform([[predicted_val[0],0]])
array([[1217.83164131,   68.43      ]])

Answer 1

有很多话要说：

>

我真的不明白你的目的是什么：基本上，你试着把一个起始日期的天数与btc的价格匹配起来，这实际上是不相关的（delta的数值是完全独立的）。你最好试着将某一天的btc价格与前几天的btc价格相匹配

通过随机选取80%的数据进行训练，您可以将训练/测试数据分开。为什么不把前80%的分用来学习，把后20%的分用来预测呢？在当前配置中，数据采样的方式会有偏差

现在想象一下，您的模型覆盖（它学习了一个非常复杂的date_delta/price曲线），它很好地拟合了您的训练点。测试数据上的预测很有可能会与事实相去甚远。尝试改变支持向量回归的参数。

但是你的结果离它应该做的太远了。我可能会问你把价值1654.0拿到哪儿去了？你看过线性html" target="_blank">模型的结果了吗？