机器学习算法预测下一个值

Question

我试图预测系列的下一个值.我需要使用哪种最好的机器学习/算法？

我有这样的矩阵:

 [114, 160, 60, 27]
[74, 97, 73, 14]
[119, 157, 112, 23]

我想预测这个值:

 [114, 160, 60, 27 , **80 , 90**]
[74, 97, 73, 14 , **10 , 15**]
[119, 157, 112, 23 , **50 , 48**]

最好的方法是什么？

Answer 1

如果我理解你的问题,在你的情况下:

X = [114, 160, 60, 27] and Y = [80,90] [74, 97, 73, 14] [10,15] [119, 157, 112, 23] [50,48]
你想在这个数据上使用机器学习算法吗？

您可以使用任何超级学习算法,如回归或SVM,使用X作为输入,Y作为输出.

您还可以使用迭代学习:您将学习预测器f提前一步:

X = [114, 160, 60, 27] and Y = [80] [74, 97, 73, 14] [10] [119, 157, 112, 23] [50]

你提前一步做出预测:

f(X) = [pred1] [pred2] [pred3]

之后,您将预测结合到输入中,所以现在您有:

Xbis = [114, 160, 60, 27, pred1] and Yter = [90] [74, 97, 73, 14,pred2] [15] [119, 157, 112, 23,pred3] [48]

你训练fbisXbis和Ybis的另一个预测者.

所以在最后,你有两个预测f和fbis,他们都提前预测一步.它使您能够提前两步做出预测.当然,您需要更多数据来训练一个好的预测器.

更一般地说,如果要进行时间序列预测,可以使用"窗口方法",这是一种通用方法,可以从时间序列创建输入和输出,然后学习预测变量.

另请注意,LSTM非常适用于时间序列预测,并且似乎可以提供相当不错的结果.

希望这可以帮助 !!

伯努瓦