Я пытаюсь понять, как моделировать мои данные. Мои данные - покупательские привычки клиентов. Каждая строка представляет одну покупку и имеет: идентификатор клиента, отметку времени, тип продукта, цену (эти 4 столбца являются массивом X). Каждая строка также имеет классификацию (вектор Y). Поскольку каждый клиент совершил несколько покупок, один идентификатор клиента будет иметь несколько строк, все с разными отметками времени. Поэтому каждый идентификатор клиента имеет свой собственный мини-временной ряд (каждый клиент имеет свою собственную последовательность, которая представлена в нескольких строках, и каждая строка представляет покупку). Я хочу предсказать следующую классификацию, то есть значение Y для следующего временного шага для каждого клиента.
Я видел много примеров в Интернете, особенно здесь: https://machinelearningmastery.com/how-to-develop-lstm-models-for-time-series-forecasting/, но ни один из них не представляет мою проблему: использование LSTM для прогнозирования нескольких последовательностей. Кажется, что все они предсказывают следующий шаг по времени только для одной последовательности. Кто-нибудь есть идеи, как я могу пойти по этому поводу?
Я использую Keras, и я подумал о том, чтобы просто сделать модель для одной последовательности, а затем зациклить ее, чтобы пройти по каждому идентификатору клиента (чтобы он собирал последовательность каждого клиента отдельно), но я думаю, что этонеправильно, так как нужно учиться на всех последовательностях.
Отсутствие информации в Интернете смутило меня, так как я чувствую, что описываю реалистичный сценарий, который должен был возникнуть раньше.