在某個時間從某個地方做了一個食物的訂單。我有以下信息:如何建立一個神經網絡來尋找地理定位
- 位置 - 送貨地址
- 的日期和時間順序
- 星期幾
- 在那一天
的,其目的天氣神經網絡就是訓練它,然後預測未來的訂單。例如。明天大部分訂單的地點。
應該用什麼類型的神經網絡來實現這個目標? 什麼框架或lib更適合用於這種神經網絡?
這將是一個偉大的工作類似神經網絡的例子!
在某個時間從某個地方做了一個食物的訂單。我有以下信息:如何建立一個神經網絡來尋找地理定位
的,其目的天氣神經網絡就是訓練它,然後預測未來的訂單。例如。明天大部分訂單的地點。
應該用什麼類型的神經網絡來實現這個目標? 什麼框架或lib更適合用於這種神經網絡?
這將是一個偉大的工作類似神經網絡的例子!
你的數據是一個時間序列,這可以通過例如。遞歸神經網絡(RNN)。這裏流行的選擇是LSTM。
您應該考慮您的定位系統應具有的粒度。確切的座標是無關緊要的,你應該把它翻譯成地址,或者更好的是地區。你可以嘗試方格,但手工製作的東西會更好。可視化您的培訓數據,查看訂單是如何聚類的,並基於此您可以創建區域。
期待各種形式的季節性。如果不是一年(取決於氣候),你的ANN應該至少在整個月內至少看一次。儘管你可以開始一週。
輸入數據 [[geolocation],[day],[month number],[year],[星期幾],[time - secconds],[temperature]]。例如: [[50.1007649,8.709635],[14],[4],[2017],[5],[36412],[+15]] 培訓結束後,網絡會收到第二天的數據並返回可能的訂單地理位置。對於培訓我有一個一年的訂單統計 –
謝謝 - 我調整了答案。 –
謝謝!我會研究這個。 –
什麼是輸入功能和目標標籤? –
輸入數據 [[geolocation],[day],[month number],[year],[星期幾],[time-secconds],[temperature]]。例如: [[50.1007649,8.709635],[14],[4],[2017],[5],[36412],[+15]] 培訓結束後,網絡會收到第二天的數據並返回訂單可能的地理位置 –
有什麼建議嗎? –