python xgb模型 预测_时间序列预测（四）：使用XGBoost模型进行时间序列预测

提要

接上篇biaobiaodeqiu：时间序列预测(三)：使用Keras搭建LSTM Networks时间序列模型​zhuanlan.zhihu.com

项目实现的内容完全一致，本篇新增传统的监督回归问题训练方法，本文中选用的是目前工程应用比较广泛和有效的Xgboost的算法

项目描述

请参考其他篇，内容完全一致，不在累述

算法原理

请自行Google+陈天奇有关XGBOOST的论文，论文感觉自己还未掌握精髓，没法分享给大家，本篇主要针对项目应用的使用方法分享给大家。

项目实现

一、导入所需库函数

#标准的库导入

import pandas as pd

import numpy as np

from datetime import datetime

import re

import matplotlib.pylab as plt

from math import sqrt

import os

from matplotlib.pyplot import rcParams

rcParams['figure.figsize']=15,6

# 预处理和划分数据

from sklearn.preprocessing import MinMaxScaler

from sklearn.model_selection import train_test_split

# 导入模型

import xgboost as xgb

#模型调参的工具

fr