Можно ли получить два разных типа результатов из набора данных

Question

пожалуйста, будьте осторожны со мной, я новичок в ML.Я уверен, что кто-то попросит закрыть это как субъективное, но я не могу найти свой конкретный ответ и не знаю, как еще спросить.

Если у меня есть магазин, с тремя зонами магазина.У меня есть датчики, чтобы определять, когда люди входят или выходят из каждой области.Это происходит каждые 15 секунд.Итак, в моем БД у меня есть счетчик занятости на номер каждые 15 секунд.

Используя эти данные, я хочу предсказать занятость в расчете на одну комнату в будущем, а также, если кто-то войдет в дверь, предсказать наиболее вероятную комнату, в которую они пойдут.

Можно ли предсказать будущую занятость в расчете на комнату, а также вероятность того, куда люди пойдут, при входе, используя набор данных, который просто перечисляет комнаты и занятость каждой комнаты каждые 15 секунд?Это модель регрессии?

Спасибо!

Майк

Answer 1

Я вижу, что это проблема прогнозирования (тип регрессии).

Для этого требуется набор функций, полезных для прогнозирования вашей занятости на номер, который может быть

1. номер комнаты
2. период времени в часах
3. времяпериод в качестве дня недели
4. Lagging

Попробуйте подобрать любую из моделей прогнозирования временного ряда, таких как упомянутые здесь , с указанными выше характеристиками и счетом занятости какцелевая переменная.

Основываясь на количестве занятых в комнате, вы можете найти наиболее вероятную комнату, применяя простую вероятность.

Answer 2

Прогнозирование наиболее вероятной комнаты, в которую они войдут.:

Это подпадает под классификационную проблему.Выходные данные подпадают под набор категорий, в данном случае это разные комнаты.

Прогнозирование занятости каждой комнаты: как упоминалось @poorna, это проблема регрессии.

Вы можете посмотреть на эту проблему двумя способами:

1. Задача регрессии с несколькими целями: занятость каждой комнаты в качестве одной цели и прошлые занятия всех комнат в качестве входных данных.

2. Независимая задача прогноза для каждой комнаты с прошлыми занятиями соответствующей комнаты в качестве входных данных.

Для изучения основ машинного обучения вы можете перейтипо этой ссылке