根据这篇指南，我已经创建了一个用于时间序列预测的sklearn回归模型。我能够使用这个模型在测试数据集上进行预测，这些数据集包含时间戳以及独立变量数据，因为模型只需要这些变量就能输出预测标签。

然而，我不确定如何，或者是否可以使用这个模型进行样本外预测，在这种情况下，我只有未来的时间戳，而没有与之相关的独立变量数据。是否有某种递归方法，使模型可以使用测试集中的数据进行预测，然后使用预测结果和数据进行下一个预测，依此类推？谢谢！

回答：

是的，但这取决于你是想进行单步预测还是多步预测。

对于单步预测，如你所描述的，使用你数据的最后一个可用窗口作为预测函数的输入，这将返回第一步的前瞻预测值。

对于多步预测，你有三种选择：

• 直接法：为每一步的前瞻预测拟合一个回归器，并让每个拟合的回归器使用最后一个可用窗口进行预测，

• 递归法：使用最后一个可用窗口进行第一步预测，然后使用第一步的预测结果滚动窗口，再次进行预测。

• DirRec法：结合上述策略，你不是滚动窗口，而是用之前的预测值扩展窗口，但请注意这需要相应地拟合回归器。

你可以在以下资料中找到更多详情：

Bontempi, Gianluca, Souhaib Ben Taieb, and Yann-Aël Le Borgne. “Machine learning strategies for time series forecasting.” European business intelligence summer school. Springer, Berlin, Heidelberg, 2012.

另外，请注意，你需要谨慎地评估你的模型。在这种情况下，训练集和测试集并非独立的，因为它们代表了同一变量在不同时间点的测量值。所以你必须考虑潜在的自相关性。