我需要预测任何给定客户的下一个订单数量。
我在以下说明的模式中有数据。自2018年中以来，这些数据基本上是客户的订单。有2000多个行（数据不是很多，但这是我所拥有的）
字段的架构和说明：
CustomerId：来自数据库的客户ID
ProductId：来自数据库的产品ID
ProductTypeId：产品子类型的ID。例如，如果是水，则子类型可以是气泡，矿物质等。
Quantity：订购数量。这需要预测
CDate：这是生成订单的日期。
我需要的是，我应该能够提供ProductId，ProductTypeId，ClientId和CDate（这将是以后的日期），我应该找回给定客户可以订购的Quantity。
到目前为止，我已经尝试使用ML.NET网站中给定的回归示例进行此操作。由于数量总是被预测为零，因此它们不起作用。
在进一步研究中，我发现这是由于CDate领域造成的。
因此，在使用OneHotEncoding将此分类字段转换为数字之后，预测不再是零，而是也不准确。测试数据和预测值相差甚远。
结果是，这不是处理日期的正确方法。
我试图找到基于Date和其他功能进行预测的资源，但是找不到它们。出租车费用预测没有日期。其他样本与我需要的无关。
我可以使用哪种解决方案？时间序列？如果要预测每个客户/每种产品/每种产品类型以及日期的购买量，该如何培训？
我是机器学习的新手。任何指针都会有所帮助。讨厌问，但是ML.NET中有效的解决方案将对我有很大帮助。
如果在ML.NET中不可能，那么我愿意使用Python（这也是它的新功能！），我愿意学习。
谢谢。
数据文件可以为downloaded from here。
答案 0 :(得分：0)
要使机器学习预测，您需要自己了解结果的因果关系。含义：
* 您只有在拥有心理模型后才能编程模型。
我可以做出两个有意义的贡献：
功能工程：
您正在使用CustomerId，ProductId，ProductTypeId，CDate来预测产品的Quantity。没有人会阻止您创建一个使用这组输入来生成输出的模型，但是这些输入是否与输出相关？
对我来说似乎不是那样。我认为要建立一个明智的模型，您将需要更好的输入变量。其中一些可能是先前订单的大小，潜在买家的成交额等。这些因素可能会带来更好的产出。
因此，考虑改善输入功能。
型号选择：
在这种情况下，似乎合奏会比使用单个模型更好。特别是Linear Regression和Decision Trees似乎很重要。
我没有可以帮您的捷径。要了解并获得有关使用哪种模型以及何时使用的模型的直觉，您将不得不多次尝试使用它们。
最后，要训练模型，有一种标准方法。您将输入数据分为5个部分（即每个部分20％）。然后，将模型分为四个部分进行调整，并在第五部分上测试调整。接下来，您再选择另外四个，依此类推。
* 对于神经网络不是正确的。隐藏层剥夺了真正理解预测的能力。