Предскажите автомобильные аварии с тензорным потоком

Question

Итак, задача прост. Насколько я знаю машинное обучение, я знаю, что это возможно, я просто не делаю этого.

Так что я хочу предсказать, сколько автомобильных аварий будет в моем городе. У меня есть данные о погодных условиях и о том, сколько было из прошлых лет, а также для проверки или проверки моей модели. Я хочу использовать последние данные о несчастных случаях.

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]] 

Так что теперь я хочу, чтобы предсказать количество несчастных случаев на каждую минуту в зависимости от температуры и влажности на дату (обратите внимание, что иногда входные данные не предоставляются каждую минуту, и есть промежутки времени). Чтобы улучшить мою модель, я хочу каждый день кормить ее новыми авариями и метеорологическими данными. Суть в том, что в конце у нас будет программа, которая может сказать, когда произойдет авария, основанная на погоде, таким образом, она может сказать, что сегодня это безопасно или не безопасно. В будущем я обновлю его с другими наборами данных, но сейчас давайте тренировать его таким образом. Итак, вопрос в том, как сделать это на тензорном потоке? Кто-то может помочь?

Answer 1

Будет много способов справиться с этим. Однако, поскольку у вас есть данные серии, а автомобильные аварии могут быть связаны с данными погоды, RNN может стать хорошим началом.

См. Пример классификации на основе RNN (LSTM) по адресу https://github.com/nlintz/TensorFlow-Tutorials/blob/master/7_lstm.py.

Я также заинтересован в этом. Дайте мне знать, как это происходит.