Использование Python для прогнозирования данных ⇐ Python

[Anonymous]

Я хочу использовать Python для создания дополнительных 5 наборов данных для каждого имеющегося у меня материала PER на расстояние. У меня есть CSV-файлы, разбитые на два столбца с 5 фрагментами данных на каждое расстояние:



Расстояние (мм)
Счетчики




100
112


100
105


100
119


100
122


100
117


150
89


150
84



и так далее до 300 мм, увеличиваясь с шагом 50 мм. У меня есть несколько CSV-файлов, настроенных таким образом для каждого материала. Теперь я хочу увеличить данные о каждом расстоянии с 5 до 10, 5 реальных данных и 5 прогнозируемых синтетических данных, чтобы повысить достоверность результатов моих лабораторных отчетов и лучше выглядеть в глазах лекторов.
Теперь у меня есть следующий код для одного из CSV:

Код: Выделить всё

X_lead = lead.drop('counts', axis = 1)
y_lead = lead['counts']
x_lead_train, x_lead_test, y_lead_train, y_lead_test = train_test_split(X_lead, y_lead, test_size=0.2, random_state=42
)
model = LinearRegression()
model.fit(x_lead_train, y_lead_train)

predictions = model.predict(x_lead_test)
print(predictions)
print(x_lead_train.shape, y_lead_train.shape)
print(x_lead_test.shape, y_lead_test.shape)

[25.825 25.175 26.15  24.85  25.5  ]
(20, 1) (20,)
(5, 1) (5,)

Теперь я заметил, что он создал 5 наборов данных, но у меня есть 5 расстояний, и я предполагаю, что это создало 1 дополнительный фрагмент данных на каждое расстояние, что хорошо, но мне не нужен ОДИН на расстояние. Мне нужно 5 на каждое расстояние, поэтому мне интересно, как лучше это обойти?
Я загрузил каждый CSV как фрейм данных в свой код, чтобы можно было легко повторно использовать код для получения новых данных.