使用 TensorFlow 预测车祸答案

【问题标题】：Predict car accidents with tensorflow使用 TensorFlow 预测车祸
【发布时间】：2016-09-06 20:50:19
【问题描述】：

所以任务有点简单。就我所知的机器学习而言，我知道这是可能的，只是我现在不知道如何去做。

所以基本上我想预测我的城市会有多少车祸。我有天气状况的数据以及过去发生过多少事故，我想使用最新的事故数据来测试或验证我的模型。

weather = [[20150601 130100, 23, 60], #[year_month_day hours_mins_secs, temperature_C, humidity_%]
[20150601 130100, 23, 50],
[20150601 130200, 23, 51],
# ...
[20150601 132300, 23, 49]]

accidents = [[20150601 130700, 1], #[year_month_day hours_mins_secs, count_of_accidents
[20150601 1301000, 2], 
[20150601 1301100, 1], 
# ... 
[20150601 132300, 1]]

所以现在我想根据每个日期的温度和湿度来预测每分钟的事故计数（请注意，有时输入数据不是每分钟都提供，并且存在时间间隔）。为了改进我的模型，我想每天为它提供新的事故和天气数据。最重要的是，最后我们将拥有一个程序，该程序可以根据天气判断何时会发生事故，因此它可以说今天开车是安全的还是不安全的。将来我会用其他数据集更新它，但现在让我们以这种方式训练它。所以问题是如何在 tensorflow 上实现这一点？有人可以帮忙吗？

【问题讨论】：

问题是什么？
你为什么要使用 tensorflow？对我来说，这听起来像是一个直接的回归问题......
@flyingmeatball Couse 这就是任务的全部目的——让它与深度神经网络一起工作。尤其是张量流。
既然有序列数据，或许可以试试RNN。
@SungKim 好的，可以正常工作了。也许有一些我可以作为起点的工作代码示例？

标签： machine-learning neural-network tensorflow deep-learning

【解决方案1】：

有很多方法可以处理这个问题。但是，由于您有序列数据，而且车祸实际上可能与 t-n 天气数据有关，因此 RNN 可能是一个好的开始。

请参阅https://github.com/nlintz/TensorFlow-Tutorials/blob/master/7_lstm.py 上基于 RNN (LSTM) 的分类示例。

我也对此感兴趣。告诉我进展如何。

【讨论】：