多元KNN预测

Question

因此，如果我有一个功能来预测下一个结果的数据，那么我有适用于knn.predict()的代码。为了将其放到上下文中，我有股票数据(公开、高、低、收盘)，其中我使用"Open“作为"X”数据，"Close“作为" Y”数据，knn.predict将预测Y的下一个值。

当我尝试对我的X数据使用"Open，High，Low“列(3个特性)时，我会得到以下错误：

File "sklearn\neighbors\binary_tree.pxi", line 1294, in sklearn.neighbors.kd_tree.BinaryTree.query
ValueError: query data dimension must match training data dimension

我相信这是因为我的X.shape和Y.shape，X和Y的大小不一样，但我不知道如何修复它。如果X和Y必须是相同大小的话，如何使用KNN进行多特征分析？

“刑法”的一些内容：

df = df[['Date','Time', 'Open', 'High', 'Low', 'Close']]
df.head()

# Predictor Variables
df['Open'] = df.Open
df['High'] = df.High
df['Low'] = df.Low
df['Close'] = df.Close
df = df.dropna()
#Data = np.delete(arr = df, obj=0, axis = 0)
X = np.array(df.ix[:, 2:6])
#X.head()
print X.shape

# Target Variable
Y = np.where(df['Close'].shift(-1)>df['Close'],1,-1)
#print (Y)

#Predict
u = df['Close'].iloc[-1]
#print u
new_prediction = knn.predict(u)
print new_prediction

Answer 1

为了训练，你用

X = np.array(df.ix[:, 2:6])

也就是说，一个6-2=4列的矩阵，意味着邻居是4-元组.

为了预测，你用

u = df['Close'].iloc[-1]

这是一个标量。

最近的邻居没有定义，而滑雪板是非常不快乐的。