Scikit-Learn中用Datetime做线性回归预测的错误排查与实现方法

我有包含row_id、datetime、energy字段的数据集，其中datetime为object类型，energy为float64类型，希望以datetime作为唯一特征预测能耗值。

我最初编写的代码：

train['datetime'] = pd.to_datetime(train['datetime'])
X = train.iloc[:,0]
y = train.iloc[:,-1]

运行后出现错误：

ValueError: Expected 2D array, got 1D array instead:
array=['2008-03-01T00:00:00.000000000' '2008-03-01T01:00:00.000000000'
 '2008-03-01T02:00:00.000000000' ... '2018-12-31T21:00:00.000000000'
 '2018-12-31T22:00:00.000000000' '2018-12-31T23:00:00.000000000'].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or  
array.reshape(1, -1) if it contains a single sample.

于是我调整了数据形状：

X = np.array(X).reshape(-1,1)
y = np.array(y).reshape(-1,1)

from sklearn.linear_model import LinearRegression
model_1 = LinearRegression()
model_1.fit(X,y)

test = pd.to_datetime(test['datetime'])
test = np.array(test).reshape(-1,1)

predictions = model_1.predict(test)

模型拟合时未报错，但调用predict方法传入测试数据时，出现类型错误：

TypeError: The DType <class 'numpy.dtype[datetime64]'> could not be promoted by <class 'numpy.dtype[float64]'>. 
This means that no common DType exists for the given inputs. 
For example they cannot be stored in a single array unless the dtype is `object`. 
The full list of DTypes is: (<class 'numpy.dtype[datetime64]'>, <class 'numpy.dtype[float64]'>)

错误原因 #

sklearn的线性回归模型无法直接处理datetime64类型的特征，它要求输入必须是数值型数据。你之前拟合时未报错是因为模型内部可能做了隐式类型转换，但预测时测试数据的datetime类型与模型期望的数值类型不匹配，导致类型冲突。

解决步骤 #

1. 将datetime转换为数值型特征

把datetime转换成时间戳（单位秒/毫秒），或者相对于起始时间的天数/小时数，将日期类型转为float64数值，符合模型输入要求。

示例代码：

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression

# 处理训练数据
train['datetime'] = pd.to_datetime(train['datetime'])
# 将datetime转换为时间戳（秒），并转为2D数组
X_train = train['datetime'].apply(lambda x: x.timestamp()).values.reshape(-1, 1)
y_train = train['energy'].values.reshape(-1, 1)

# 训练线性回归模型
model_1 = LinearRegression()
model_1.fit(X_train, y_train)

# 处理测试数据，必须和训练数据用相同的转换方式
test['datetime'] = pd.to_datetime(test['datetime'])
X_test = test['datetime'].apply(lambda x: x.timestamp()).values.reshape(-1, 1)

# 生成预测结果
predictions = model_1.predict(X_test)

2. 时间序列预测的补充说明

如果你的场景是时间序列预测，单纯用时间戳的线性回归只能捕捉整体趋势（比如能耗随时间递增/递减），无法处理周期性波动（比如每日、每周的能耗规律）。如果需要考虑周期性，可以额外提取时间特征：

• 提取小时、星期几、月份等特征加入模型
• 示例代码：

# 提取时间特征
train['timestamp'] = train['datetime'].apply(lambda x: x.timestamp())
train['hour'] = train['datetime'].dt.hour
train['dayofweek'] = train['datetime'].dt.dayofweek
train['month'] = train['datetime'].dt.month

# 使用多特征训练模型
X_train = train[['timestamp', 'hour', 'dayofweek', 'month']].values
model_1.fit(X_train, y_train)

# 测试数据同样提取这些特征
test['timestamp'] = test['datetime'].apply(lambda x: x.timestamp())
test['hour'] = test['datetime'].dt.hour
test['dayofweek'] = test['datetime'].dt.dayofweek
test['month'] = test['datetime'].dt.month
X_test = test[['timestamp', 'hour', 'dayofweek', 'month']].values

predictions = model_1.predict(X_test)

内容的提问来源于stack exchange，提问作者Rama