我正在尝试使用Python和机器学习实现斐波那契数列。我希望我的程序能够在给定输入后预测接下来的5个数字。例如，如果我传递[0,1,1]，它将预测并返回[2,3,5,8,13]。然而，我找不到实现这个的方法。我的程序目前只能预测下一个数字。是的，我可以硬编码，将新的输出更新到数组中，但我不想这样做。我的代码如下：

#! /usr/bin/python3from sklearn import svmfrom sklearn.linear_model import LinearRegressionfeatures = [ [0,1,1], [2,3,5], [8,13,21], [34,55,89], ]labels = [2,8,34,144]clf = LinearRegression()clf.fit(features, labels)test = [[144, 233, 377]]print(clf.predict(test))

有什么建议吗？

回答：

如果你希望你的模型输出多个值，那么你必须以这种方式训练它。这就变成了一个多输出问题，你输入3个特征并希望预测5个输出。

请查看我在这里的回答，了解一些关于此的描述。

目前，你的训练是预测单一值。所以模型总是会预测单一值。通过在输出中输入多个值来训练模型。

像这样做：

# Three features per rowfeatures = [[0,   1,  1],            [2,   3,  5],            [8,  13, 21],            [34, 55, 89]]# This changed.# Now a single label consists of a list of output values to be predicted# 5 outputs per rowlabels = [[2,     3,   5,   8,  13],           [8,    13,  21,  34,  55],           [34,   55,  89, 144, 233],           [144, 233, 377, 610, 987]]clf = LinearRegression()clf.fit(features, labels)test = [[144, 233, 377]]print(clf.predict(test))# Output# array([[ 610.,  987., 1597., 2584., 4181.]])

但请注意，正如我在链接的回答中提到的，并非所有scikit-learn的估计器都能预测多个输出。