Semplice domanda di apprendimento automatico. Probabilmente molti modi per risolvere questo:Algoritmo di apprendimento automatico per prevedere l'ordine degli eventi?
C'è un flusso infinita di 4 eventi possibili:
'event_1', 'event_2', 'event_4', 'event_4'
Gli eventi non sono disponibili in in ordine del tutto casuale. Assumeremo che ci siano alcuni schemi complessi nell'ordine in cui la maggior parte degli eventi arrivano, e il resto degli eventi sono solo casuali. Tuttavia, non conosciamo gli schemi in anticipo.
Dopo aver ricevuto ciascun evento, desidero prevedere quale sarà il prossimo evento in base all'ordine in cui gli eventi sono entrati in passato. Quindi la mia domanda è: Quale algoritmo di machine learning dovrei usare per questo predittore?
Il predittore verrà detto quale fosse il prossimo evento in realtà:
Predictor=new_predictor()
prev_event=False
while True:
event=get_event()
if prev_event is not False:
Predictor.last_event_was(prev_event)
predicted_event=Predictor.predict_next_event(event)
Si pone la questione di quanto tempo di una storia che il predittore deve mantenere, in quanto il mantenimento di storia infinita non sarà possibile. Lascio questo a te per rispondere. La risposta non può essere infinita per praticità.
Quindi credo che le previsioni dovranno essere fatte con una sorta di storia a rotazione. L'aggiunta di un nuovo evento e la scadenza di un vecchio evento dovrebbero quindi essere piuttosto efficienti e non richiedere la ricostruzione dell'intero modello predittore, ad esempio.
Codice specifico, invece di documenti di ricerca, aggiungerebbe per me il valore immenso alle vostre risposte. Le librerie Python o C sono belle, ma qualsiasi cosa farà.
Aggiornamento: E se più di un evento può accadere simultaneamente in ogni round. Questo cambia la soluzione?
Anche se, probabilmente, si potrebbe fare un po 'di matematica per capire la precisione atteso per una storia dare, ma questo sarebbe dipende dal vostro algoritmo. – gingerbreadboy
Non è possibile determinare la quantità di tempo necessaria per guardare indietro poiché non si conoscono le dinamiche sottostanti. Tu solo esempi ora, e quello che vedi potrebbe anche essere stocastico. – bayer