机器学习预测数字序列

时间:2020-09-28 16:56:34

标签: machine-learning data-science

我创建了一个由时间戳记组成的数据集,我将其拆分为

  • 小时
  • 分钟

对于我的数据集的每一行,我也有一个范围为1-90的10个数字序列。我不在乎每个数字的位置,我只看一组序列。我想训练一个机器学习模型,该模型将输入时间戳并输出10个不同的数字。我的目标是依靠我的时间数据,并利用数字的叠加。 例如,如果在16/2/2015/20:25我有[23,66,12,9,80,65,24,86,99,2]我的NN应该理解,如果我有数字12,则该数字更大可能有80(这只是一个随机的例子) 我总共有406112行 所以我的问题是:

  • 在这种情况下哪个是最佳的ML算法或NN?正在思考 关于MLPRegressor
  • 在适合之前我应该​​标准化我的数据吗?
  • 假定数字数据不是完全随机的,因为时间戳用于创建数字 所有这些程序都有意义吗? 预先感谢

0 个答案:

没有答案