我想在python中创建线性回归算法的同时，使用3年窗口来批量输入2000-2020年的数据，看看这3年对第四年的数据意味着什么。
输入数据示例：[20002012002]，[200120022003]，[200220032004]
输出数据：[2003]、[2004][2005]
我希望我的分类器能够解析2000-2020年的整个数据集，并将线性回归作为一个整体进行拟合。
我没有一个"；到目前为止，我已经做到了"；多年来，我一直在思考for循环的示例代码，但如果我理解正确的话，我的reg.fit(x，y(命令每次在循环中都会重置拟合，最终我的拟合将成为[201720182019]的输入，而[2020]是覆盖之前所有拟合的输出。
我假设目标是预测类似您的示例的东西，即您有3个数据点作为输入：
- X1：从N-4年到N-2年的滑动窗口上的值v
- X2：从N-3年到N-1年的滑动窗口上的值v
- X3：从N-2年到N年的滑动窗口上的值v
并且您希望预测从N-1年到N+1年的下一个滑动窗口中代表v的Y。
在ML设计中，此选项意味着您有三个特性，即线性回归模型的三个输入维度。换句话说，单个实例由(X1，X2，X3，Y(组成。通常，训练集由多个这样的实例组成，因此可以基于训练集中的所有实例来训练单个模型。
该选项的优点是，该模型将考虑3年v对下一年v的影响随年份的变化。然而，该模型只能预测下一年，而在单个维度X上训练的模型可能预测任何一年。