XGBoost 回归预测常数值

Question

我正在尝试使用 XGBoost 来预测来电数量。

我的

df

看起来像这样，有 1152 行：

	x	来电
0	0	8154.0
1	1	8526.0
2	2	8088.0
3	3	7044.0
4	4	7236.0
5	5	6492.0

这是我的代码：

import xgboost
from xgboost import XGBRegressor
import pandas as pd

df = pd.read_csv('sickness_table Kopie.csv', index_col=None)
X = df.x.values.reshape(-1,1)
y = df.calls

def train_test_split(data, n_test):
    return data[:n_test], data[n_test:]

# because of time series data, I am splitting manually so the data doesn't shuffle
x_train, x_test = train_test_split(X, 921)
y_train, y_test = train_test_split(y, 921)

model = XGBRegressor()
model.fit(x_train, y_train)

pred = model.predict(x_test)

当我

print(pred)

时，它看起来像这样：

[9044.7, 9044.7, 9044.7, 9044.7, 9044.7, 9044.7, 9044.7 .... ]

随机森林也会发生同样的情况。我尝试使用一些参数，然后值发生变化，但每个预测的数字都是相同的。

有什么想法吗？

Answer 1

我在消费者价格指数值的时间序列上也遇到同样的问题。我只有每月指数值作为从属值，日期值作为独立值。我尝试过许多其他方法，它们都工作得很好。但 XGBoost 和随机森林给了我恒定的预测值，同时有明显的增长趋势。那么就您而言，仅恢复日期就可以解决您的问题吗？或者您还做了哪些对您有帮助的事情？