Как создавать модель машинного обучения и регрессии линии для конкретного устройства? [закрыто] ⇐ Python

[Anonymous]

У меня есть следующая схема источника данных:
Введите описание изображения здесь < /p>
Я кодирует 'Дату' Столбец на три отдельных столбца:
Год, месяц, дата. < /p>
Мои будущие -
device_id; enuration_energy; Год; месяц; день < /p>
Введите описание изображения здесь < /p>
Я хотел бы предсказать enurning_energy для предоставления фьючерса (идентификатор устройства и дата). Потребление энергии-это счетчик устройства, который растут изо дня в день
Я создал матрицу корелляции, чтобы увидеть корреляцию между атрибутами, и я вижу, что корреляция между emence_energy и устройством очень низкая (-0,15).
Вот модели метрики для обучения модели: < /p>
'rmse': np.float64(0.7648236497453013),
'r2_score': 0.41662485203361777,
'coefficients': array([[-0.59067425, 0.61791617, 0.04103179, 0.00336239]]),
'intercept': array([0.00086466]
< /code>
Когда я загружаю данные только с одним Device_id, результат лучше: < /p>
'rmse': np.float64(0.1045133437744489),
'r2_score': 0.9894746517207146,
'coefficients': array([[0. , 0.99656364, 0.06202053, 0.00616694]]),
'intercept': array([-0.00046585])
< /code>
Я понимаю, что модели «Построение данных» с несколькими Deivces будет иметь другой результат ... < /p>
Я получаю эти данные в одном файле со всеми устройствами. Насколько правильно построить эту модель, когда будет предоставлено будущее, Device_id?
Должен ли я создавать метод прогноза, который сначала выбирает данные для данного Device_id и создать новую кадр данных для этих конкретных устройств и модели сборки и прогнозировать? Это может потреблять время, и мне понадобится Чтобы сделать этот расчет для каждого прогноза на Демане. Как справиться с этим, если я хотел бы сохранить/пикке и использовать это для обслуживания данных? (Мои данные имеют много устройств) коэффициент. Должен ли я использовать другую модель ML?>

Подробнее здесь: https://stackoverflow.com/questions/794 ... fic-device