我才刚刚开始学习机器学习模型，例如直线，岭回归，感知器，逻辑回归，梯度下降，我看不到这些模型中的任何一个可以用来解决这个建模问题吗？谁能为我提供使用提示？由于问题的周期性，我倾向于搜索时间序列，但是这似乎是一个过分的原因，导致我的课尚未对此主题进行探讨。
对于这些特征，我倾向于检查潮汐大小，沿海长度和月相。我还认为，由于数据的粒度最多是每小时一次，因此我们应该每天学习，而不是每月学习（数据量不太大），我们可以收集到更好的见解。
考虑每天考虑给定位置的潮汐的问题 和每月周期。还假设您可以访问10个小时以内的每小时数据 年份。定义并讨论如何对这个问题进行建模：将具有哪些功能 考虑过？系统如何学习？我们应该学习每日和每月 分别循环？
答案 0 :(得分：0)
您想“学习”什么？我认为您可以使用一些距离函数并尝试一些统计分类（例如K-Means），然后预测在集群上使用KNN
答案 1 :(得分：0)
您要根据一天中的某个时间预测潮汐（高/低）吗？
我将首先使用诸如月相（您可以定义一个对每个相位进行热编码的特征矢量），一天中的时间特征（对每个小时再次进行热编码（或您想要的离散化））之类的功能；也许是海岸的长度; 将所有这些特征（相位，一天中的时间，海岸线len）串联起来以形成特征向量
现在，如果您想使用数据集预测涨潮/退潮：由于这是周期性的，我将使用复杂的非线性模型，例如随机森林或也许是梯度增强决策树，它们将有能力学习这种周期性