Generiere neue Beobachtungen, die den Trend treffen

Question

Ich habe 100 Beobachtungen mit jeweils zehn Proben.

Observation 1: 0.7 0.6 0.9 0.5 1.2 1.6 0.98 0.65 1.34 1.22 
Observation 2: ... 
. 
. 
. 
Observation 100: ... 

Die zugrunde liegende Annahme ist, dass alle 100 Beobachtungen einem gemeinsamen Trend folgen.

Basierend auf den oben genannten Daten möchte ich maschinelles Lernen anwenden und jedes Mal neue Beobachtungen entwickeln, die diesem Trend entsprechen. Wie ist das möglich?

Konkreter, wie sollte ich das Machine Learning Problem einrahmen? Was sollten meine abhängigen/unabhängigen Variablen sein?

Answer 1

Was Sie tun können, ist die Ausbildung Beobachtung biegen Sie in diesem

y = [0.7, 0.6, 0.9, 0.5, 1.2, 1.6, 0.98, 0.65, 1.34, 1.22] 

Als das, was wir vorhersagen wollen, über einen Index, wie unten

x = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] 

Dann ein Modell passen (alle Ihre Wahl), unten benutze ich eine sehr einfache lineare Regression

model = fit(x, y) 

Als nächstes benutze ich dieses Modell zu pred ict die nächsten Beobachtungen, die nächsten Indizes mit

x2 = [10, 11, 12, 13, 14, 15, 16, 17, 18, 19] 
y2 = model.predict(x2) 

Hier die Handlung des Ergebnisses ist, mit einer linearen Regression gemacht, Ihre erste Beobachtung Plotten (blaue Sterne *), zusammen mit der vorhergesagten Beobachtung für den zweiten Index (grün Plus +)