ดังที่ @Christopher Lauden ดังกล่าวข้างต้นการวิเคราะห์อนุกรมเวลาเหมาะสมที่สุดสำหรับสิ่งนี้ อย่างไรก็ตามหากคุณต้องการทำ "วิธีการเรียนรู้ด้วยเครื่อง" แบบดั้งเดิมมากกว่าเดิมบางสิ่งที่ฉันเคยทำในอดีตคือการบล็อกข้อมูลของคุณในหน้าต่างที่ซ้อนทับกันของเวลาเป็นคุณสมบัติจากนั้นใช้เพื่อทำนายวันถัดไป ) การจราจร
ฟีเจอร์เมทริกซ์ของคุณจะเป็นอย่างไร:
t1 | t2 | ... | tN
t2 | t3 | ... | tN+1
t3 | t4 | ... | tN+2
...
tW | tW+1 | ... |tN+W
ที่การจราจรในวันที่tI
I
คุณลักษณะที่คุณคาดการณ์คือปริมาณการใช้งานในวันถัดจากคอลัมน์สุดท้าย ในสาระสำคัญให้ใช้หน้าต่างการรับส่งข้อมูลเพื่อทำนายปริมาณการใช้งานของวันถัดไป
ML รุ่นใดก็ได้ที่ใช้งานได้
แก้ไข
ในการตอบคำถามคุณสามารถอธิบายรายละเอียดเกี่ยวกับวิธีการใช้คุณสมบัติเมทริกซ์นี้ได้อย่างไร:
เมทริกคุณลักษณะมีค่าที่ระบุทราฟฟิกที่ผ่านมาในช่วงระยะเวลาหนึ่ง (ตัวอย่างเช่นทราฟฟิกแบบรายชั่วโมงในช่วง 1 สัปดาห์) และเราใช้สิ่งนี้ในการทำนายทราฟฟิกสำหรับช่วงเวลาที่ระบุในอนาคต เราใช้ข้อมูลในอดีตของเราและสร้างเมทริกซ์ฟีเจอร์ของการเข้าชมในอดีตและติดป้ายกำกับนี้กับการจราจรในบางช่วงในอนาคต (เช่น 2 วันหลังจากหน้าต่างในฟีเจอร์นี้) การใช้รูปแบบการเรียนรู้ของเครื่องถดถอยเราสามารถนำข้อมูลการจราจรในอดีตและลองสร้างแบบจำลองที่สามารถทำนายว่าการรับส่งข้อมูลเคลื่อนย้ายอย่างไรในชุดข้อมูลประวัติของเรา ข้อสันนิษฐานคือการรับส่งข้อมูลในอนาคตจะคล้ายกับการรับส่งข้อมูลในอดีต