基于Random Forest Regression的预测异常：预测值全部相同求助

核心问题1：标签格式错误 #

你的trainY是二维数组（通过Y.reshape(-1,1)生成），但RandomForestRegressor的fit方法要求标签为一维数组。传入二维数组会干扰模型的学习逻辑，导致模型无法正确拟合特征与目标的关联关系，最终输出重复预测值。

修复方式 #

将trainY和testY转换为一维数组：

# 修改Y的处理逻辑，替换reshape(-1,1)
X1,X2,X3,Y=df['Close Lag1'],df['Close Lag2'],df['Close Lag3'],df['Close']
X1,X2,X3,Y=np.array(X1),np.array(X2),np.array(X3),np.array(Y)
X1,X2,X3=X1.reshape(-1,1),X2.reshape(-1,1),X3.reshape(-1,1)
Y = Y.flatten()  # 转为一维数组
X = np.concatenate((X3,X2,X1),axis=1)

# 后续分割数据直接使用一维标签
trainY = Y[:-70]
testY = Y[-70:]

核心问题2：模型参数设置不合理 #

你设置了max_features=3，但特征总数正好是3，这意味着每棵决策树都会使用全部特征，完全失去了随机森林的"随机选择特征子集"特性。这种情况下模型容易陷入局部最优，输出重复值。

修复方式 #

调整max_features参数，引入随机性：

# 使用sqrt规则选择特征子集，或指定具体数值（如2）
model = RandomForestRegressor(n_estimators=100, max_features='sqrt', random_state=1)

辅助优化：特征维度不足 #

仅使用3个滞后特征，对于时间序列预测来说信息密度太低，模型难以捕捉价格的趋势和波动。可以尝试：

• 增加更多滞后特征（如Lag4到Lag10）
• 添加衍生特征：滞后特征的差值、移动平均值（MA）、相对强弱指数（RSI）等技术指标
• 补充时间维度特征（如星期几、月份，若原始数据包含日期字段）

完整修复后的关键代码片段 #

# 读取数据与特征构建
import pandas as pd
import numpy as np
import warnings
warnings.filterwarnings('ignore')

df=pd.read_csv(r'C:\Users\Krish Ghosh\Desktop\BSE Sensex.csv', usecols=[1])
df['Close Lag1']=df['Close'].shift(+1)
df['Close Lag2']=df['Close'].shift(+2)
df['Close Lag3']=df['Close'].shift(+3)
df=df.dropna()

# 特征与标签处理
X1,X2,X3,Y=df['Close Lag1'],df['Close Lag2'],df['Close Lag3'],df['Close']
X1,X2,X3,Y=np.array(X1),np.array(X2),np.array(X3),np.array(Y)
X1,X2,X3=X1.reshape(-1,1),X2.reshape(-1,1),X3.reshape(-1,1)
Y = Y.flatten()
X = np.concatenate((X3,X2,X1),axis=1)

# 数据分割
trainX = X[:-70]
testX = X[-70:]
trainY = Y[:-70]
testY = Y[-70:]

# 模型训练与预测
from sklearn.ensemble import RandomForestRegressor
model=RandomForestRegressor(n_estimators=100, max_features='sqrt', random_state=1)
model.fit(trainX,trainY)
predX = model.predict(testX)

print(predX)

内容的提问来源于stack exchange，提问作者Tarun Sharma