Question

这是我的数据（简体）：

Athletics    Age    Competition    Result(m)
--------------------------------------------
Alex         10.2    CompA          3.2
Alex         11.5    CompB          4.3
...
Bob          9.9     CompC          3.5
Bob          10.7    CompD          5.6
...
Dave         10.3    CompB          5.2
Dave         11.6    CompD          6.3
....

所以我的数据是关于一组不同年龄（8-28岁）儿童在不同比赛中跳远的结果。

我想知道的事情：

给一个新生的保罗，如果我们知道他的病史（例如8-16岁），如何预测他的未来结果（例如18、20、24岁）？
如果我们可以根据最佳成绩将跳线归为A-E，那么如何预测保罗将来会属于哪个组（比如说他18岁的时候）？

我最近学到了一些有关机器学习和深度学习的知识，我知道这是可以使用这些模型解决的问题，但是我很困惑应该使用哪种模型。

我是否应该仅根据Paul的历史数据对Paul（新孩子）进行预测？或者我应该使用Alex，Bob，Dave等其他人的数据来做？
这是一个时间序列预测问题，应该使用ARIMA，ARCH，LSTM（RNN）等模型吗？
或者这是一个“正常的”有监督或无监督的回归或分类问题，我应该在其中使用诸如线性回归，逻辑回归，KNN，NB，DT，SVM，随机森林，ANN，DNN，CNN等教科书模型？

任何方向将不胜感激。

Answer 1

答案是两者。回归仅表示模型的输出层上没有S型激活。因此，您可以使用时间序列模型（例如LSTM或GRU）（使用这种复杂模型可能会导致过拟合），然后使用它们进行回归。这样，模型将学习其他孩子的表现方式，然后使用数据让Paul预测他的表现如何。这不是分类问题！您正在预测继续价值，而不是阶级。这意味着它必须是回归的。

我建议阅读书籍或学习教程，我喜欢使用Python进行深度学习。

Answer 2

您要解决的问题通常称为面板（或受监督）预测。

是否使用其他孩子的数据是一个实际的问题。您可以将使用该数据的模型与仅使用Paul数据的模型进行比较。

没有必要使用深度学习，但是您可以尝试。其他标准的机器学习算法（随机森林等）或统计预测算法（ARIMA等）也可以适用于解决此类问题。

很少有库可以立即解决此问题。一个是pysf，其中包含有关天气数据的教程（https://github.com/alan-turing-institute/pysf/blob/master/examples/Walkthrough.ipynb），另一个是gluon-ts（主要是深度学习方法）。

预测跳远结果：这是时间序列预测问题还是回归问题？

2 个答案: