机器学习模型不同的输入

Question

我有数据集，数据集包括：日期、ID（事件的 id）、number_of_activities、running_sum（running_sum 是 id 的活动运行总和）。 这是我数据的一部分：

---

    date       |   id (id of the event)   |   number_of_activities  |    running_sum  |

   2017-01-06  |   156                    |                   1     |             1   |

   2017-04-26  |   156                    |                   1     |             2   |

   2017-07-04  |   156                    |                   2     |              4  | 

   2017-01-19  |   175                    |                   1     |             1   |

   2017-03-17  |   175                    |                   3     |             4   |

   2017-04-27  |   221                    |                   3     |             3   |

   2017-05-05  |   221                    |                   7     |             10  |

   2017-05-09  |   221                    |                   10    |             20  |

   2017-05-19  |   221                    |                   1     |             21  |

   2017-09-03  |   221                    |                   2     |             23  |

我的目标是预测给定事件中未来的活动数量，我的问题是：我可以在所有数据集（所有事件）上训练我的模型以预测下一个，如果可以，如何？因为输入的数量存在不平等（每个事件的行数不同），是否也可以利用日期数据。

Answer 1

当然可以。但是需要更多信息，您最了解自己。 我想我们在这里谈论的是时间序列，因为你想预测未来。 您可能想看看递归神经网络和 LSTM：

循环层将时间序列作为输入并输出一个向量，其中包含有关整个时间序列的压缩信息。因此，让我们以事件 156 为例，它有 3 个步骤： 事件是你的特征，它有 3 个时间步长。每个时间步都有不同数量的活动（或特征）。为了解决这个问题，只需使用出现的最大数量的特征并添加一个填充值（通常简单地为零），以便它们都具有相同的长度。然后你就有了一个适合循环神经网络的形状（LSTMS 目前是一个不错的选择）

更新

您在 cmets 中说过，使用填充不是您的选择，让我尝试说服您。 LSTM 擅长于序列长度不同的情况。但是，要使其工作，您还需要更长的序列，模型可以从中学习其模式。我想说的是，当您的某些序列只有几个时间步长（如 3）时，而您有其他时间步长为 50 或更多的序列时，模型可能难以预测这些正确，因为您必须指定您想要哪个时间步长使用。因此，要么为明确的问题准备不同的数据，要么使用 SequenceToSequence Learning 深入研究该主题，该学习非常擅长计算不同长度的序列。为此，您需要设置 Encoder-Decoder 网络。

编码器将整个序列压缩成一个向量，不管它是什么长度。这个向量以某种方式被压缩，它只在一个向量中包含序列的信息。

然后解码器学习使用这个向量来预测序列的下一个输出。这是机器翻译的已知技术，但适用于任何类型的序列到序列任务。所以我建议你创建这样一个编码器-解码器网络，这肯定会改善你的结果。看看这个tutorial，它可能会帮助你进一步