Tensorflow 模型预处理时间数据

Question

我获得了出租车客户何时何地进入他的车辆的信息。现在我想预测他想在哪条街上开车。我的数据集如下所示：

示例

日、时、分、入口、目的地（标签）

星期一，10 日，45 日，ExampleStreet，StackOverflowCorner（未预处理）

0、10、45、0、1（预处理）

转换如下：

现在我像这样预处理我的数据集：

Day -> 0-6 之间的数字（0 星期一，1 星期二 ...）

小时 -> 0-24 的欧洲格式

分钟 -> 无预处理

入口 -> 我使用了 LabelEncoder (0 ExampleStreet, 1 ExampleCorner ...)

目的地 -> 与带有标签编码器的入口相同

我得到了 98 个可能的目的地、相同数量的入口和大约 700 个样本。 我已经使用过 Tensorflow，但验证准确度仅接近 0。

model = keras.Sequential([     

tf.keras.layers.Dense(100, activation='relu'),
keras.layers.BatchNormalization(),
tf.keras.layers.Dropout(0.4),

tf.keras.layers.Dense(100, activation='relu'),

tf.keras.layers.Dropout(0.3),

tf.keras.layers.Dense(98,activation="softmax")
]) 
optimizer=keras.optimizers.RMSprop()
model.compile(optimizer=optimizer, loss=tf.keras.losses.sparse_categorical_crossentropy,     metrics=['accuracy'])

问题

我是否正确地预处理了我的数据？我需要热编码还是收集更多样本？另一种算法可能更有效（树？）？

提前谢谢...

Answer 1

您需要对 Entrance 和 day 进行一种热编码。并且可能 - 小时。

您需要更多样本（样本数量应接近模型变量数量的顺序）。但是试试 one-hot 看看

Answer 2

您至少应该对入口和目的地进行一次热编码，使用标签编码将整数分配给这些特征，这些特征将被模型解释为具有数字关系的序数值。显然，入口和目的地没有“顺序”。我会像您所做的那样将日期编码，因为显然一周中的天数是按顺序排列的，小时和分钟也是如此。我怀疑分钟作为一个功能有很多用途，所以你可能不想包含它。有 98 个类和只有 700 个样本，您的模型是否会产生非常高的准确度值得怀疑。