Прогнозируйте цену с помощью машинного обучения Python ⇐ Python

[Anonymous]

Я начинаю изучать машинное обучение. Я хотел бы оценить цену статьи на определенную дату. Например, если я знаю цену с 01.07.24 по 11.07.24, какова будет цена на 12.07.24?
Я пробовал использовать линейную или полиномиальную регрессию , RandomForestRegresor и GradientBoostingRegresor. Эти модели возвращают очень точные результаты на основе предоставленных данных, но когда я пытаюсь использовать их за пределами этого диапазона, результат либо такой же, как последнее значение, либо невозможный результат (иногда я получаю отрицательные цены).
Кто-нибудь знает, как это сделать? Стоит ли мне использовать другой метод?
Например, я попробовал GradientBoosting цены на бензин в период с 01.1992 по 05.2024:

Код: Выделить всё

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import MaxNLocator
from sklearn.model_selection import train_test_split
from sklearn.ensemble import GradientBoostingRegressor

data = pd.read_csv("essence2.csv", sep=";").iloc[::-1]

x = data["date"].values.reshape(-1, 1)
y = data["price"].values

x_train, x_test, y_train, y_test = train_test_split(
x,
y,
test_size=0.01,
random_state=2,
)

model = GradientBoostingRegressor(
n_estimators=200,
learning_rate=1,
random_state=2,
)
model.fit(x_train, y_train)

y_predictions = np.round(model.predict(x), 4)
residues = y_predictions - y

fig, ax = plt.subplots(2)

ax[0].plot(x, y, color="blue", label="Prix réel")
ax[0].plot(x, y_predictions, color="orange", linestyle="--", label="Gradient Boosting Regressor")
ax[0].xaxis.set_major_locator(MaxNLocator(8))
ax[0].tick_params(axis="x", rotation=45)
ax[0].legend()

ax[1].plot(x, residues, color="orange", label="Résidues")
ax[1].xaxis.set_major_locator(MaxNLocator(8))
ax[1].tick_params(axis="x", rotation=45)
ax[1].legend()

plt.tight_layout()
plt.show()

Прогнозы Essence
Как спрогнозировать цену на 06/2024?

Подробнее здесь: https://stackoverflow.com/questions/787 ... ing-python