Я пытаюсь решить проблему, которая является более предпочтительной, чем любая другая проблема машинного обучения. Вот контекст:
У меня есть почасовые данные за 1 год (365 x 24 строки). На каждый час (ряд) у меня есть 3 функции. Я хочу иметь возможность построить такую модель, которая, учитывая прогнозируемые значения 3 функций для всех часов в день t + 1, я хочу предсказать ранжирование 24 часов с точки зрения объема трафика для некоторого интересующего узла. То есть. 1 утра будет занимать 22-е место по величине объема, 12 вечера будет занимать 2-е место по величине объема и т. Д. (Имейте в виду, что я не ставлю перед собой цель предсказать фактический объем, а только почасовой рейтинг объема на основе функций).
После некоторых копаний изучение предпочтений охватывает 3 основные проблемы: ранжирование по меткам, ранжирование по экземплярам, ранжирование по объектам. Однако, основываясь на их определениях, ни одна из них не является проблемой, описанной выше, потому что список ранжирования обновляется ежедневно, поэтому данные обучения имеют 365 наборов из 24 рангов. Кроме того, каждый час имеет трехмерный вектор признаков.
Если кто-то знаком с такой проблемой, любые предложения будут хороши. Кроме того, я также пытаюсь понять, есть ли какой-то способ преобразовать эту проблему ранжирования в какую-то проблему классификации, чтобы упростить ее - если у кого-то есть предложения по этому вопросу, это было бы здорово. Спасибо.