如何用Sklearn线性回归预测输入数据范围外的未来年份人口？

你的问题核心是模型的特征与目标变量搞反了——当前你用人口（pop）预测年份（year），但要实现“输入未来年份，得到对应人口”的需求，必须调换两者的角色，把年份作为特征、人口作为预测目标来训练模型。

以下是具体实现步骤和代码：

步骤1：调整模型训练逻辑 #

1. 读取CSV数据后，将year设为特征（输入），pop设为目标变量（输出）。
2. 注意：Scikit-learn的模型要求特征数据必须是二维数组，所以需要对year列做格式处理。

步骤2：生成待预测的年份序列 #

生成你需要的年份范围（比如68到150），同样转成二维数组格式，满足模型输入要求。

完整代码示例 #

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

# 1. 读取CSV数据
df = pd.read_csv('你的数据文件名.csv')

# 2. 准备特征与目标变量：year是特征，pop是目标
X = df[['year']]  # 用双括号直接保持二维格式，也可以用df['year'].values.reshape(-1,1)
y = df['pop']

# 3. 训练线性回归模型
model = LinearRegression()
model.fit(X, y)

# 4. 生成待预测的年份（68到150）
predict_years = np.arange(68, 151).reshape(-1, 1)  # 转成二维数组

# 5. 执行预测
predicted_pops = model.predict(predict_years)

# 6. 整理结果（可选，方便查看或保存）
result_df = pd.DataFrame({
    'year': predict_years.flatten(),
    'predicted_pop': predicted_pops
})
print(result_df)
# 也可以保存到CSV文件
# result_df.to_csv('未来人口预测结果.csv', index=False)

注意事项 #

• 线性回归假设人口随年份呈线性增长，如果实际人口增长是非线性的（比如指数增长），预测结果可能会有较大偏差。若需要更准确的预测，可以尝试非线性模型（比如多项式回归、指数回归）。
• 超出数据集范围的预测属于外推，可靠性会随年份远离原数据范围而降低，这是所有预测模型的固有局限。

内容的提问来源于stack exchange，提问作者Remixt