无法从gmdh导入Regressor报错求助：基于GmdhPy的时序预测需求

问题原因分析 #

你遇到的导入错误，核心原因是安装的gmdh库中不存在名为Regressor的类，且包结构与你预期的gmdhpy不符——通过pip install git+git://github.com/kvoyager/GmdhPy.git安装后，实际包名为gmdh，而非gmdhpy，且该库提供的回归器类是MultiLayerRegressor，并非Regressor。

解决方案 #

1. 修正导入语句 #

将你的导入代码替换为：

from gmdh import MultiLayerRegressor

或者指定子模块导入：

from gmdh.gmdh import MultiLayerRegressor

2. 验证库结构（可选） #

若仍有疑问，可打开虚拟环境路径C:\Users\HP\PycharmProjects\pythonProject\venv\lib\site-packages\gmdh，查看：

• __init__.py文件中暴露的类列表，确认MultiLayerRegressor是否在其中
• gmdh.py文件中的具体类定义，确认可用的回归类

3. 时间序列预测适配 #

用该库做时间序列预测，需先将时间序列数据转换为监督学习格式（通过滑动窗口生成输入特征与目标值），示例代码如下：

import numpy as np
from gmdh import MultiLayerRegressor

# 示例时间序列数据
time_series = np.array([10, 20, 30, 40, 50, 60, 70, 80, 90])

# 滑动窗口生成特征与目标（窗口大小为3，用前3个值预测第4个）
def create_supervised_data(data, window_size):
    X, y = [], []
    for i in range(len(data) - window_size):
        X.append(data[i:i+window_size])
        y.append(data[i+window_size])
    return np.array(X), np.array(y)

X, y = create_supervised_data(time_series, window_size=3)

# 初始化并训练模型
model = MultiLayerRegressor()
model.fit(X, y)

# 预测下一个值
next_input = np.array([70, 80, 90]).reshape(1, -1)
prediction = model.predict(next_input)
print(f"预测值: {prediction[0]}")

内容的提问来源于stack exchange，提问作者Khansa