随时间变化输入形状变化的机器学习模型

Question

我正在尝试预测单口喜剧咖啡馆的预订量。我可以使用很多功能，这些功能会影响销售数量。 （例如一年中的某一天、天气、上个月的平均销售额、一周中的某一天、一周中特定日期的平均销售额等）

但是，与实际销售数量最相关的特征之一是截止日期前已售出的门票数量。客户可以在实际订购截止日期前 120 小时（5 天）开始预订（演出当天上午 11:00）。

我更愿意将此数据用作我的机器学习算法的输入。目前我在数据框中创建了 120 列。这些列定义了截止日期前 120 小时，直到截止日期本身。因此，“hour_98”列显示截止日期前 4 天的累计销售额。 “hour_24”列显示截止日期前24小时的累计销售额等。

如果我现在想预测截止日期前 24 小时的销售额，则“hour_24”列直到“hour_0”都被赋予“NaN”值。由于算法无法处理 NaN 值我目前将这些列的值设为 0。但是，我认为这太简单了，会导致预测模型不好。

我们如何处理不断变化的输入形状，因为如果我们越来越接近订购的最后期限，我们会获得更多的数据？

Answer 1

现在据我了解，您有固定数量的列，每列代表截止日期前一个预定义小时的数据。所以从某种意义上说，输入数据的形状永远不会改变，只是一些输入特征的有效性会改变。

如果您有一个固定的输入形状，并且特征的有效性（NaN）不断变化， 您可以通过为每个输入特征使用掩码来解决该问题。

例如，有效的hour_24 可以表示为hour_24 = 20 和mask_24 = 1，而无效的hour_24 可以表示为hour_24 = 0（或其他）和 mask_24 = 0.

算法本身需要学习相对于相关特征的掩码忽略给定特征的位置。

answer 更详细地解释了如何屏蔽输入。