我目前正在开发一个应用程序，允许心理学家管理他们的日程安排和预算。作为概念验证，我想创建一个智能约会服务。可能有3种情况：
I know the client, I need to guess the day and time for his next appointment
I know the day, I need to guess which client and at what time
I know nothing, I need to guess which client, which day and what time
我目前正在学习深度学习算法只是为了获得一些理论，但它有点压倒性。
我知道可以从约会中提取的功能：
Day preference in the week (always on monday, say)
Reccurence (every two weeks or such)
Nb of days since last appointment
Whether the client was present or not to his last appointment
etc..
我知道有一些像“特征提取”这样的东西可以训练神经网络来找到特征本身，但所有例子都是指图像识别或语音分析。
我希望算法训练现有和将来的约会（存储在MongoDB中）。我也希望算法能够实时训练，也就是说，如果它建议用户预约并且用户接受它，它应该积极训练。另一方面，如果用户导航或更改任何参数，算法应相应地调整其权重。
我也知道我应该首先从数据库中提取将在向量或矩阵中转换的数据，然后该算法应该训练该数据。
这是对的吗？我该如何开始，我需要什么样的架构？
答案 0 :(得分：1)
因为它是POC，我认为你没有大型数据集，我不建议深入学习，从像决策树这样的算法开始，当你有好的时候数据量，转移到深层模型。为什么？调整树类模型并向客户解释它总是更容易。此外，正如吴教授所建议的，深度学习需要至少100K的观察才能学习和表现良好。使用模拟数据集，它总是不可预测的。