预测单个时隙的位置点集

Question

样本数据集包含用户的位置点。

df.head()

   user           tslot         Location_point
0   0   2015-12-04 13:00:00     4356
1   0   2015-12-04 13:15:00     4356
2   0   2015-12-04 13:30:00     3659
3   0   2015-12-04 13:45:00     4356
4   0   2015-12-04 14:00:00     8563

df.shape 

(576,3)

位置点是随机的，需要在给定时间内预测用户的下一个位置点。由于位置点是随机数，因此我需要预测每个时隙的位置点集。

Example:

If I need to predict the location point at tslot 2015-12-04 14:00:00.
my predicted output should be [8563,4356,3659,5861,3486].

我的代码

time_steps=1
data_dim = X_train.shape[2]
model = Sequential()
model.add(LSTM(data_dim, input_shape=(time_steps,data_dim), activation='relu'))
model.add(Dense(data_dim))
model.compile(loss='categorical_crossentropy', optimizer='adam')
model.fit(X_train, y_train, epochs=20, batch_size=96)
model.summary()

这有助于预测每个时隙1个位置点。我想知道这是否可行以及如何实现？

Answer 1

我认为这是为了对预测有一定的信心。

如果是这种情况，有多种方法可以执行此操作。例如，请参阅Amazon的this论文，了解如何预测分位数，以及this的论文，了解如何使用贝叶斯框架获取有关预测的不确定性。

如果您有其他意图，请澄清。