Использование машинного обучения для прогнозирования данных

Question

Я хочу создать модель с использованием машинного обучения, которая прогнозирует количество регистраций на заданную дату. У меня есть обучающий набор, который содержит даты, количество регистраций и пару других переменных/функций, которые могут быть полезны для обучения этого классификатора. Также видно каждые 30 дней this trend.

В конце концов, я хотел бы что-то вроде этого (с помощью Python):

exampledata = [({'date':'01-01-2016','day': 'friday', 'holiday': True, 'etc': 0.3}, 20), ({'date':'02-01-2016','day': 'saturday', 'holiday': False, 'etc': 0.3}, 25),({'date':'03-01-2016','day': 'sunday', 'holiday': False, 'etc': 0.4}, 40)] 
classifier.train(exampledata) 
classifier.predict("04-01-2016") 
>>> 30 

Я нашел метод опорных векторов классификации Scikit, но я не уверен, как уместить мои данные в

.

Как мне начать? Если требуется дополнительная информация, пожалуйста, дайте мне знать.

Answer 1

Это может быть не удовлетворительный ответ ... Сначала вам нужно будет выбрать набор атрибутов, которые вы хотите использовать для обучения классификатора. Затем вам нужно будет выбрать модель классификатора для изучения. И вам в конечном итоге придется предоставить ему набор тренировок, набор тестов и набор валидаций, которые все являются подмножествами исходного набора. Многие методы позволяют выбрать модель и ее параметры, которые дают наилучшие (или менее худшие) результаты по предсказанию afer, изучив и протестировав их все.

Моей рекомендацией было бы использовать scikit-learn (http://scikit-learn.org/stable/) и взять время, чтобы получить доступ к его учебнику (-ам): http://scikit-learn.org/stable/tutorial/. Вы найдете там много полезной информации, которая должна помочь. Как дать учебные предметы и их ожидаемые результаты очень хорошо объясняются там, когда вы изучаете прогностическую модель.