如何在时间序列场景中为线性回归模型构建有序特征与正确验证策略-Python教程-PHP中文网

如何在时间序列场景中为线性回归模型构建有序特征与正确验证策略

本文讲解如何在具有时间依赖性的销售数据（如按日期排序的订单量与间隔天数）上，科学地应用线性回归模型：通过构造时序敏感特征、引入趋势变量、采用时序交叉验证，并对比树模型效果，避免传统随机划分导致的时序泄露。

本文讲解如何在具有时间依赖性的销售数据（如按日期排序的订单量与间隔天数）上，科学地应用线性回归模型：通过构造时序敏感特征、引入趋势变量、采用时序交叉验证，并对比树模型效果，避免传统随机划分导致的时序泄露。

线性回归本身假设样本独立同分布（i.i.d.），因此默认不关心数据顺序——这也是为何常规 train_test_split 会随机打乱样本。但您的场景中，invoice_date 明确构成时间轴，lag（相邻订单间隔）天然依赖历史行为（例如促销后订单密集导致 lag 缩短），此时强行“顺序输入”并非指让模型逐条递归预测，而是通过特征工程与验证机制，显式编码时间结构与依赖关系。

✅ 正确做法：用特征与验证还原时序逻辑

1. 构造时间感知特征（非简单使用原始 prod_quantity）

仅将 prod_quantity 作为唯一特征等同于忽略时间维度。应扩展为滞后特征与周期特征：

import pandas as pd
import numpy as np

# 确保按时间升序排列
df = df.sort_values('invoice_date').reset_index(drop=True)

# 添加趋势变量（行号，反映时间推进）
df['trend'] = np.arange(1, len(df) + 1)

# 添加周期性特征（捕捉季节性）
df['month'] = df['invoice_date'].dt.month
df['day_of_week'] = df['invoice_date'].dt.dayofweek
df['quarter'] = df['invoice_date'].dt.quarter

# 构造滞后量特征（关键！体现顺序依赖）
df['qty_lag_1'] = df['prod_quantity'].shift(1)  # 前一笔订单量
df['qty_lag_3'] = df['prod_quantity'].shift(3)  # 前三笔订单量
df['qty_rolling_mean_7'] = df['prod_quantity'].rolling(window=7).mean().shift(1)  # 近7笔均值（需前置1步避免未来信息）

# 目标变量：lag（注意：lag[0] 无前序订单，通常为 NaN，需丢弃）
X = df.dropna(subset=['lag']).copy()
y = X['lag']
X_features = X[['qty_lag_1', 'qty_lag_3', 'qty_rolling_mean_7', 'trend', 'month', 'day_of_week']]

⚠️ 注意：所有滞后特征必须用 .shift() 向下移动，确保训练时不使用“未来”信息；dropna() 清理因滞后产生的首若干行缺失值。

2. 严格使用时序交叉验证（TimeSeriesSplit）

避免 train_test_split(random_state=...) ——它会破坏时间因果性。改用 TimeSeriesSplit 或手动滚动窗口：

Audo Studio

Audo Studio是一款用于自动降噪、增强语音和清理录音的 AI 音频处理工具。

下载

from sklearn.model_selection import TimeSeriesSplit
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_absolute_error

tscv = TimeSeriesSplit(n_splits=5)
model = LinearRegression()

mae_scores = []
for train_idx, test_idx in tscv.split(X_features):
    X_train, X_test = X_features.iloc[train_idx], X_features.iloc[test_idx]
    y_train, y_test = y.iloc[train_idx], y.iloc[test_idx]

    model.fit(X_train, y_train)
    pred = model.predict(X_test)
    mae_scores.append(mean_absolute_error(y_test, pred))

print(f"CV MAE: {np.mean(mae_scores):.2f} ± {np.std(mae_scores):.2f}")