【发布时间】：2020-11-17 02:25:27
【问题描述】：
这里是新的。 我目前正在研究我的硕士论文，其中包括开发一组百叶窗/百叶窗，这些百叶窗/百叶窗可以根据用户的习惯和喜好自动预测用户的行为并设置位置。 我正在使用在线学习来解决我的问题，特别是图书馆奶油（python）。问题是我无法获得足够好的结果，MAE 大约为 24，这太过分了。你们对如何解决这样的问题有任何经验/想法吗？ 我用这样的模型得到这些数字：
model = compose.Discard('Year', 'Timestamp')
model += feature_extraction.Agg(on='Radiation', by='Month', how=stats.Mean())
model |= linear_model.PARegressor()
model = time_series.Detrender(regressor=model, window_size=105120) #Around a year
并具有以下特点：
- 时间戳
- 年份
- 季度
- 月
- 一年中的一周
- 一年中的一天
- 月份的日期
- 星期几
- 小时
- 分钟
- 假期
- 温度
- 湿度
- 辐射
定位标签
【问题讨论】：
-
欢迎，为了提高您在 SO 上的体验，请阅读how to ask、On Topic question，然后查看Question Check list、perfect question，如何创建Minimal, Complete and Verifiable Example 和@987654326 @.
标签： python online-machine-learning creme