Verwenden von maschinellem Lernen zum Vorhersagen von Daten

Question

Ich möchte ein Modell mit maschinellem Lernen erstellen, das die Anzahl der Anmeldungen an einem bestimmten Datum vorhersagt. Ich habe ein Trainingssatz, der Daten, die Anzahl der Anmeldungen und ein paar andere Variablen/Features enthält, die für das Training dieses Klassifikators nützlich sein können. Außerdem ist alle 30 Tage this trend sichtbar.

Letztendlich würde ich so etwas wie dies mag (mit Python):

exampledata = [({'date':'01-01-2016','day': 'friday', 'holiday': True, 'etc': 0.3}, 20), ({'date':'02-01-2016','day': 'saturday', 'holiday': False, 'etc': 0.3}, 25),({'date':'03-01-2016','day': 'sunday', 'holiday': False, 'etc': 0.4}, 40)] 
classifier.train(exampledata) 
classifier.predict("04-01-2016") 
>>> 30 

Ich habe Scikit der Support Vector Klassifizierung Methode gefunden, aber ich bin nicht sicher, wie meine Daten passen

.

Wie fange ich an? Wenn mehr Informationen notwendig sind, lass es mich wissen.

Answer 1

Dies ist möglicherweise keine befriedigende Antwort ... Sie müssen zuerst eine Reihe von Attributen auswählen, die Sie für das Training des Klassifikators verwenden möchten. Sie müssen dann ein Klassifikatormodell zum Lernen auswählen. Und Sie müssen schließlich ein Trainingssatz, einen Testsatz und einen Validierungssatz bereitstellen, die alle Teilmengen des ursprünglichen Satzes sind. Viele Techniken erlauben es, das Modell und seine Parameter auszuwählen, die die besten (oder weniger schlechten) Ergebnisse bei der Vorhersage ergeben, nachdem sie alle gelernt und getestet haben.

Meine Empfehlung wäre, scikit-learn (http://scikit-learn.org/stable/) zu verwenden und Zeit zu nehmen, um Zugriff auf seine Tutorial (s) zu erhalten: http://scikit-learn.org/stable/tutorial/. Sie werden dort viele nützliche Informationen finden, die Ihnen helfen sollten. Wie man Trainingseinheiten und ihre erwarteten Ergebnisse gibt, wird dort sehr gut erklärt, wenn man ein Vorhersagemodell lernt.