神经网络是否适用于监督学习，其中数据（输入和输出）是连续的？

Question

我正在开发一个回归模型，其中包含一组158个输入和4个玻璃制造项目的输出，这是一个连续的输入和输出过程。神经网络的使用是否适用于此类回归模型？如果是，我已经知道回归神经网络可以用于时间序列数据，我应该使用回归神经网络？如果NN的使用不合适，除了线性回归和回归树之外还有哪些其他类型的解决方案？

Answer 1

神经网络确实适用于连续数据。事实上，我会说默认是连续的。可以确定具有离散I / O，这完全取决于您的功能。

其次，RNN确实适用于时间序列，以某种方式。实际上，RNN适用于时间步长而不是时间戳。 RNN正在迭代工作。通常，每次迭代都可以看作是时间上的固定步骤。这就是说，如果你的数据更像(date, value)（我称之为时间戳），那可能就不那么好了。这不是绝对不可能的，但这不是主意。

希望它有所帮助，从简单的RNN开始，尝试了解它的工作原理，然后，如果您需要更多，请阅读更复杂的细胞。