我有一个小项目要做，在开始之前我很难制定计划。
我有一个数据库，包含：船名、日期时间、纬度、经度，它都是关于在时空中跟踪船的运动。
数据： https://www.dropbox.com/s/85a6nj3v19jw9b6/test.png?dl=0
在有时间序列的情况下，为了预测船舶的下一个目的地，您会应用哪种模型来解决问题？船舶进出港口的那一刻？
我应该使用 ARIMA 模型而不是机器学习算法吗？
最后一个问题：如果我没有端口名称，如何根据位置观察手动定义端口？
我想到了随机森林，但我认为我猜还有更好的模型
我很想进行一些讨论并争论以了解不同的观点， 谢谢！
【问题讨论】：
标签： python machine-learning time-series data-science
把它想象成一个罪波。要预测正弦波，您只需要几个先前的值来预测未来的值。我会为时间序列使用中性网络，其中输入是值 x、x-1、x-2 等等，例如，你在值 x+2 上训练它。如果你给我发一些数据，我可以尝试验证这个声明
编辑：
嗨，我回来了。我不能给你太多。我检查了数据，看起来神经网络的信息太少了。此外，数据对不同的时间戳差距毫无准备。有趣的是，经度看起来像完整的正弦波，但从一个正弦波你真的可以制作模型。我的策略是为数据集中的每个值学习关于经度和纬度的实际值和以前值的神经网络。但即使从数据集上看，我已经怀疑它是否可行。对不起
这些是结果，但我怀疑它们的重要性：
黑色 - 原版
绿色 - 预测
红色 - 原始和预测之间的误差
预测前方 100 个样本的经度
预测前方 30 个样本的经度 - 看起来不错，但您实际上并不需要神经网络
PS：Ingore 数据集的最后一个值变为零。它在我的程序中的缺陷
PS2：如果您对时间序列的这种神经网络感兴趣，它们是多项式神经网络或 HONU 神经网络的一部分
PS3：考虑只使用经度或纬度来制作模型。在这个数据中，不包括纬度，我得到了更好的结果
【讨论】：