基于线性回归的短期预测

一、实验目标

1. 使用线性回归模型对给定数据集进行短期趋势预测
2. 掌握特征选择、模型训练与评估的全流程
3. 对比不同回归算法的预测效果（如普通最小二乘、岭回归等）

---

二、关键代码实现（带详细注释）

1. 数据预处理

import pandas as pd
from sklearn.preprocessing import StandardScalerdef load_and_preprocess(data_path):"""加载数据并预处理：- 处理缺失值- 时间特征提取- 数据标准化"""df = pd.read_csv(data_path)# 时间戳处理（假设包含'timestamp'列）df['timestamp'] = pd.to_datetime(df['timestamp'])df['hour'] = df['timestamp'].dt.hour  # 提取小时作为特征df['day_of_week'] = df['timestamp'].dt.dayofweek# 处理缺失值df.fillna(method='ffill', inplace=True)# 特征与标签分离X = df.drop(['target_value', 'timestamp'], axis=1)y = df['target_value']# 标准化（重要！）scaler = StandardScaler(