如何使用scikit-学习预测站点命中次数的变化速度

Question

我想预测使用变化率的网站的点击次数的变化。例如，如果一个站点的点击率在一天内翻了一番(从5,000次增加到10,000次)，那么变化的速度是2，如果点击量增加了一半(5,000到7,500次)，那么变化的速度就是.5。样本和变化率将每日计算。我不介意使用原始的点击而不是变化的速度，但这似乎更难处理。

我想使用scikit-学习预测未来的变化率。给定一组过去的数据点，我将如何预测未来的变化？我应该使用逻辑回归吗？支持向量机？还有别的吗？

谢谢你的帮忙!我是新的科学知识-学习，所以请随时评论，如果你需要更多有关问题的信息。

Answer 1

编辑:我忘了你在寻找滑雪板的解决方案，但我认为简单的加权移动平均法可能是个好的开始。我通常试着从一些简单的事情开始，只有当这不能给我想要的结果的时候，才去做更复杂的事情。

有更好的方法，但一个简单的方法是使用加权移动平均，在这里，你给予最近的观察更多的权重。例如：

import numpy as np

hits = np.array([100, 500, 300, 800, 900])

def predict(hits, weights):
    return np.average(hits[-len(weights) :], weights=weights)

结果：

>>> predict(hits, [0.2, 0.3, 0.5])
750.0
>>> 900 * 0.5 + 800 * 0.3 + 300 * 0.2
750.0