神經網絡可以用來預測一定的時間戳集

Question

我有一個市場交易數據集，包括時間戳和貨物如下。

約翰總是在超級市場買牛奶和麪包。除此之外，他還買了一些如下的商品：

• 週一，約翰買了牛奶，麪包{啤酒，巧克力}。
• 週二，約翰買了牛奶，麪包{馬鈴薯}。
• 週三，約翰買了牛奶，麪包{巧克力，鱷梨，花生}。

我們可以回答這個問題：「他會在週四買什麼？」。

例如：他會在週四購買除了牛奶和麪包之外的{啤酒，鱷梨}。

我認爲這是一種多元迴歸。在這種情況下，我可以使用哪種模型來預測一組商品？

Answer 1

如果我正確理解你的問題比它是一個多標籤分類。

你有一些輸入功能（dayofweek，HasBoughtMilk HasBoughtBread等）。並且你想根據它們預測其他幾個標籤（啤酒，鱷梨）。你可以輕鬆地使用sklearn來做到這一點，它支持多標籤分類。

如果你要考慮什麼是對前幾天買了（因爲它會影響您的標籤），你可以在兩個方面做到這一點：

1）添加合成的功能，如該節目「這個星期HasBoughtBread已經」二進制 2）或者使用擅長處理時間序列的RNN。

Answer 2

您正在公開的問題似乎是隨機森林的教科書案例。您試圖表達的推理規則在決策樹中非常適合。隨機森林將爲您提供靈活的模型，並且可以快速訓練。

當然，這不是唯一的方法，你可以使用支持向量機或像RNNs一樣的深度學習，但它感覺像使用火箭筒爲我打了一隻蒼蠅。

乾杯，

昆汀

Answer 3

這取決於你試圖模擬實際的因素。有些項目是相互依賴的嗎？數據中是否有實際的時間元素，還是我們只是有條件地推斷它？

假設你有一個時間元素，你一定會想要一些時間序列分析的順序，一個購買的順序，或許有實際的時間滯後。例如，如果約翰某天沒有去商店，他的購買會發生什麼？我們是否需要了解一些東西被多少次購買？一項產品購買是否會加速或延遲另一項？

這些考慮建議對數據進行預處理（對於時間滯後）或某種RNN，LSTM或Q-net延遲。樸素貝葉斯或隨機森林可能會有所幫助，但您仍然需要先預處理時間關係。