如何利用逻辑回归算法进行时间序列预测？

我想用逻辑回归算法来预测我的时间序列数据，但是我不确定如何进行。我有一些已知的数据点，想要用这些数据来预测未来的时间序列值。我知道逻辑回归算法通常用于分类问题，但我听说也可以用于预测连续变量。我的数据是离散数据，每单位时间只有一种状态。请问如何使用逻辑回归算法进行时间序列预测？应该如何构建逻辑回归模型？哪些参数应该调整？谢谢！

提问时间：2023-06-16 22:30:53 编辑时间：2023-06-16 22:30:55 提问者： 小鲁
  • Silent_Shadow
    3

    很抱歉，逻辑回归算法通常不能用于连续变量的预测，更不适用于时间序列的预测，因为数据是离散的。逻辑回归算法通常用于分类问题，如二元分类或多元分类。对于时间序列预测问题，您可以考虑使用其他的算法，如ARIMA、LSTM等。在构建模型时，需要对数据进行预处理、特征工程、选择模型等。具体的参数调节可以根据实际数据和模型进行试验和调整。希望能对你有所帮助！

    回答时间：2023-06-16 22:30:58
相关标签

逻辑回归 时间序列 预测 机器学习