我有从老虎机游戏中生成的两年数据,并且已经按照日期格式将数据存储在.csv文件中,如下所示:
<table>
<tr>
<th>Date </th>
<th>Spins </th>
</tr>
<tr>
<td>1/1/2018</td>
<td>300234 </td>
</tr>
<tr>
<td>2/1/2018</td>
<td>400234 </td>
</tr>
<tr>
<td>.......</td>
<td>....... </td>
</tr>
<tr>
<td>.......</td>
<td>....... </td>
</tr>
<tr>
<td>.......</td>
<td>....... </td>
</tr>
<tr>
<td>18/6/2019</td>
<td>400234 </td>
</tr>
</table>
所以我想预测某一天的旋转,我该怎么做?
我知道我没有足够的功能来构建任何类型的模型,只是假设我是否具有足够的数据和功能,那么我的问题属于机器学习还是深度学习?
我尝试了sklearn的线性模型,但是在那之后我知道对于日期相关数据将不起作用,因此我尝试使用Facebook先知模型进行时间序列预测模型。但这也不起作用。我也在学习张量流,并且我怀疑它也不会像深度学习那样起作用。
我是这种事情的新手,所以仅需一些指导即可获得帮助
当我给出任何日期(未来日期)时,它应该返回预测的旋转。
答案 0 :(得分:1)
广义上,您要解决的问题类型称为Supervised Learning。您有一堆输入输出对,并且您希望模型学习将这种模式外推到看不见的数据。
答案 1 :(得分:0)
嘿@shubham您好,堆栈溢出社区。首先,我们必须看到,如果通过机器学习算法解决了我们的问题,则比我们更喜欢机器学习,因为所有机器学习算法都完全构建在不同的库中。最常见的库是sklearn。您拥有表格数据,所以我建议您使用机器学习算法。
提供更多信息,以便堆栈溢出社区中的人们能够了解您的数据的本质。
当我们使用深度学习时:
当我们使用机器学习时
机器学习算法可处理少量数据。
要查看机器学习和深度学习的不同项目,请参见此。
Compare Machine Learning Classifiers At once(Breast Cancer Kaggle Notebook)
答案 2 :(得分:0)
问题的现有版本完全属于时间序列建模的定义,因为您的数据是在连续的等间隔时间点上获取的序列。考虑到您已经尝试了时间序列这一事实,我建议您尝试基于深度学习的方法,该方法可以挖掘数据中的时间模式。具有LSTM单位的RNN可能是一种尝试。有关在keras中使用LSTM实现RNN的更多详细信息,请参阅Time Series Prediction with LSTM Recurrent Neural Networks in Python with Keras。
希望这会有所帮助!
答案 3 :(得分:0)
没人能用您提供的信息回答您的问题。
由于我们正在谈论一个时间序列,因此您可以应用许多适合“机器学习”类别的模型,例如ARIMA,非线性曲线拟合,指数平滑等。
在“深度学习”方面,您可以对递归神经网络甚至是采用窗口方法的标准多层感知器进行一定的设置。
我想说的是,您有无数的可能性,但首先您需要学习一些背景知识,然后再尝试使用特定的数据集。