机器学习预测全家桶-Python，一次性搞定多/单特征输入，多/单步预测！

后台有小伙伴不断留言，有要求多特征输入，还有要求单步预测，这个又要求多步预测，那个的数据又是只有一列的，要求单输入的。

咱就是说，不能一次搞定吗！？

本期推文就彻底把这个问题解决掉！不论你的数据是只有一列，还是有多列特征，不论你是想多步预测，还是想单步预测。本次代码直接一步到位！

在上一期的基础上，新增多/单特征输入，多/单步预测功能。

下面简单说一下代码设计原理。

以《风电场功率预测.xlsx》为例进行介绍。数据格式如下：

可以看到，数据的第一列为时间列，训练网络时用不到。读取数据代码如下：

dataset=pd.read_excel("风电场功率预测.xlsx")
values = dataset.values[:,1:] #取第2列之后(包含第二列)的所有数据，写成[:,1:]。 如果只取第2列数据，要写成[:,1:2]；只取第3列数据，要写成[:,2:3]

小淘自己独创的数据整理函数定义如下：

def data_collation(data, n_in, n_out, or_dim, scroll_window, num_samples):
关于此函数用法：
# 构造数据，这个函数可以实现单输入单输出，单输入多输出，多输入单输出，和多输入多输出。
# 举个例子：
# 假如原始数据为,其中务必使得数据前n-1列都为特征，最后一列为输出
# [0.74  0.8  0.23 750.75
# 0.74 0.87 0.15 716.94
# 0.74 0.87 0.15 712.77
# 0.74 0.8 0.15 684.86
# 0.74 0.8 0.15 728.79
# 0.72 0.87 0.08 742.81
# 0.71 0.99 0.16 751.3]


#（多输入多输出为例），假如n_in = 2，n_out=2，scroll_window=1
# 输入前2行数据的特征，预测未来2个时刻的数据，滑动窗口为1。
# 使用此函数后，数据会变成：
# 【0.74 0.8 0.23 750.75  0.74  0.87 0.15 716.94 712.77 684.86
# 0.74 0.87 0.15 716.94 0.74 0.87  0.15 712.77  684.86 728.79
# 0.74 0.87 0.15 712.77 0.74 0.8 0.15 684.86 728.79 742.81】


# 假如n_in = 2，n_out=1，scroll_window=2
# 输入前2行数据的特征，预测未来1个时刻的数据，滑动步长为2。
# 使用此函数后，数据会变成：
# 【0.74 0.8 0.23 750.75  0.74  0.87 0.15 716.94 712.77
# 0.74 0.87  0.15 712.77  0.74 0.8 0.15 684.86 728.79
# 0.74 0.8 0.15 728.79 0.72  0.87 0.08 742.81 751.3】

重点来了！如果你是以下的某一种情况，只需要按照如下设置即可！

单输入单步预测，就让values等于某一列数据，设置n_out = 1，n_in, num_samples, scroll_window 根据自己情况来
单输入多步预测，就让values等于某一列数据，设置n_out = 步数，n_in, num_samples, scroll_window 根据自己情况来
多输入单步预测，就让values等于多列数据，设置n_out = 1，n_in, num_samples, scroll_window 根据自己情况来
多输入多步预测，就让values等于多列数据，设置n_out = 步数，n_in, num_samples, scroll_window 根据自己情况来

接下来以XGBOOST模型为例，进行四种案例的展示。

①单输入单步预测

只取《风电场功率预测.xlsx》数据中的温度一列，参数设置为，

values = dataset.values[:,11:12]  
n_out = 1  #预测未来1步
n_in = 5  #前5行数据作为输入
num_samples = 1000   #取1000个样本
scroll_window = 1 #如果等于1，下一个数据从第二行开始取。如果等于2，下一个数据从第三行开始取

其他地方代码都不用动！结果如下：

在控制台打印指标结果如下：

②单输入多步预测

只取《风电场功率预测.xlsx》数据中的温度一列，参数设置为：

n_out = 2   #预测未来2步
n_in = 5    #前5行数据作为输入
num_samples = 1000  #取1000个样本
scroll_window = 1 #如果等于1，下一个数据从第二行开始取。如果等于2，下一个数据从第三行开始取

其他地方代码都不用动！结果如下：会生成2张图片。第一张代表所有测试集对于第一步预测值和实际值的对比结果。第二张代表所有测试集对于第二步预测值和实际值的对比结果。

在控制台打印指标结果如下：

③多输入单步预测

取《电力负荷预测数据.xlsx》所有数据，参数设置为：

n_out = 1   #预测未来1步
n_in = 5  #前5行数据作为输入
num_samples = 1000, #取1000个样本
scroll_window = 1  #如果等于1，下一个数据从第二行开始取。如果等于2，下一个数据从第三行开始取

其他地方代码都不用动！结果如下：

在控制台打印指标结果如下：

④多输入多步预测

取《电力负荷预测数据.xlsx》所有数据，参数设置为：

n_out = 2   #预测未来2步
n_in = 5  #前5行数据作为输入
num_samples = 1000, #取1000个样本
scroll_window = 1  #如果等于1，下一个数据从第二行开始取。如果等于2，下一个数据从第三行开始取

其他地方代码都不用动！结果如下，会生成2张图片。第一张代表所有测试集对于第一步预测值和实际值的对比结果。第二张代表所有测试集对于第二步预测值和实际值的对比结果。

在控制台打印指标结果如下：

人生苦短，python是岸

不得不说，用python进行机器学习预测，确实要简便许多，很多包直接调用即可。

全家桶目录如下：

关于更多pytho机器学习预测全家桶介绍请看：终于来了！python机器学习预测全家桶

模型亲测python3.9版本可用。用到的包版本推荐如下：

pandas~=2.2.0
matplotlib~=3.8.2
numpy~=1.26.3
tensorflow~=2.15.0
keras~=2.15.0
seaborn~=0.13.1
scikit-learn~=1.4.0
scipy~=1.12.0
openpyxl~=3.1.2
mplcyberpunk~=0.7.1
qbstyles~=0.1.4
prettytable~=3.9.0
xgboost~=2.0.3

或点击下方卡片获取此全家桶。