У меня есть данные последовательности со следующими свойствами.
1) Очень мало или нет повторений элементов в последовательности
2) Длина каждой последовательности постоянна
3) Длина каждой последовательности намного больше, чем общее количество последовательностей.
Допустим, следующие последовательности являются последовательностями.
Входные последовательности:
A_input=np.array([1799, 2156, 2087, 1454, 515, 199, 1011, 3467, 4210, 3361, 2024,
4641, 497, 3845, 4136, 2978, 1371, 1953, 3611, 1349])
B_input=np.array([1350, 1129, 3681, 4487, 637, 1285, 3412, 1277, 892, 2009, 4401,
1329, 4300, 866, 2201, 3275, 4513, 346, 3164, 1262])
C_input=np.array([ 739, 77, 4818, 2759, 70, 121, 273, 1915, 103, 2983, 3709,
3354, 2856, 3391, 3379, 2593, 3924, 1768, 2650, 2721])
D_input=np.array([1845, 4673, 1419, 1323, 736, 4912, 2104, 2055, 3844, 3219, 2611,
1869, 1369, 1946, 3559, 1445, 3660, 554, 1579, 467])
E_input=np.array([1646, 4461, 944, 211, 3552, 3107, 4602, 3934, 4381, 4959, 4595,
4040, 4834, 2593, 1558, 2760, 1303, 824, 2856, 976])
Выходная регрессия:
A_output=0.4
B_output=0.8
C_output=0.1
D_output=0.2
E_output=0.3
Я пытался использовать несколько методов, таких как SGT , но большинство из них работает для последовательностей с повторениями в нем?
Есть ли в python какой-либо метод для обучения и прогнозирования выходных значений регрессии входных последовательностей конкретных свойств, описанных выше?