神经网络可以用来预测某个时间戳的集合吗答案

【问题标题】：Can Neural Network be used to predict a set in a certain time stamps神经网络可以用来预测某个时间戳的集合吗
【发布时间】：2016-11-10 14:47:25
【问题描述】：

我有一个市场交易数据集，包括以下时间戳和商品。

约翰总是在超市买牛奶和面包。除此之外，他还购买了以下商品：

我们能否回答这个问题：“他星期四会买什么？”。

例如：他会在星期四买{beer, avocado}除了牛奶和面包。

我认为这是一种多元回归。在这种情况下，我可以使用哪种模型来预测一组商品？

【问题讨论】：

【解决方案1】：

如果我正确理解您的问题，那么它是一个多标签分类。

您有一些输入功能（dayofweek、HasBoughtMilk HasBoughtBread 等）。您想根据它们预测其他几个标签（啤酒、鳄梨）。您可以使用 sklearn 轻松做到这一点，它支持多标签分类。

如果您想考虑前几天购买的商品（因为它可能会影响您的标签），您可以通过以下两种方式进行：

1) 添加合成功能，例如显示“HasBoughtBread this week already”的二进制文件 2）或者使用擅长处理时间序列的RNN。

【讨论】：

【解决方案2】：

您所暴露的问题似乎是随机森林的教科书案例。您试图表达的推理规则非常适合决策树。随机森林将为您提供灵活的模型和快速的训练。

当然这不是唯一的方法，你可以使用 SVM 或一些像 RNN 这样的深度学习，但感觉就像用火箭筒为我打苍蝇。

干杯，

昆汀

【讨论】：

【解决方案3】：

这取决于您尝试建模的实际因素。某些项目是否相互依赖？数据中是否存在实际的时间元素，或者我们只是有条件推断它？

假设您有一个时间元素，您肯定会需要某种时间序列分析顺序、购买顺序，也许还有实际的时间滞后。例如，如果约翰有一天不去商店，他的购买会发生什么？我们是否需要了解购买某些东西的频率？一种产品的购买会加速还是延迟另一种产品？

这些注意事项建议对数据进行预处理（针对时滞）或某种 RNN、LSTM 或 Q-net 延迟。朴素贝叶斯或随机森林可能会有所帮助，但您仍需要先预处理时间关系。

【讨论】：