我有一些用于时间序列预测的数据。变量 1 是速度，变量 2 是车辆启动的时间。输出是车辆到达目的地所需的时间。我使用 libsvm 使用变量 1 和变量 2 作为 svr 的输入，但后来发现变量 1 和变量 2 是相关的，因为车辆的速度取决于一天中的时间。
我们可以使用两个因变量作为输入进行回归吗？据我所知，回归模型 y = a + b1.x1 + b2.x2 + ....+ e 用于自变量。
最佳答案
标准回归模型不适用于独立输入:不对输入变量之间的依赖性做出任何假设。但是，如果存在交互效应，您可能会发现只需在回归模型中添加交互项即可改善结果:这样，您的模型将变为:
y = a + b1.x1 + b2.x2 + b2.x1.x2
不知道SVR的状态是什么，是否可以直接把这个选项放进去；您当然可以通过将该功能添加到输入中来伪造它，或者使用直接支持它的回归方法。
另一个潜在的危险是你如何表示时间，因为我很容易发现这会出错。您的时间输入是什么样的？
关于statistics - 使用两个因变量进行回归，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/19760952/