Я делаю проект с данными, подобными этим:
Цель состоит в том, чтобы найти временную схему определенной киберпреступности для " разные города " и прогнозируют, когда этот вид преступления может произойти в будущем для каждого города , а также для города без достаточных исторических данных, но в аналогичной категории города.
Проблема Это то, что у меня есть данные такого рода с 200 городами, и эти города подразделяются на 15 различных категорий. Города в одной и той же категории будут иметь сходную модель киберпреступности
Поскольку в каждом городе есть только набор тренировок с 2011 по 2018 год, сила предсказания может быть не такой сильной. И, например, я могу использовать только данные города A для обучения предсказанию al go для города A, потому что у каждого города есть свой собственный временной график и показатель кибербезопасности.
Возможно ли, что я могу продолжать улучшать все go после тренировки все большего количества городов в той же категории? Например, все города A, D, H относятся к категории D. Когда я тренирую данные по городу A, возможно, точность прогноза составляет всего 65%, но все go узнают вес или что-то из этого обучения. Во второй раз я использую ту же модель для обучения Сити D. Поскольку все go чему-то научились из Города А, точность увеличивается до 70%. И когда al go обучался в третий раз с City H, точность стала 85%
Может ли какой-нибудь алгоритм соответствовать тому, что я описал? Не могли бы вы дать мне направление или прочитать несколько статей, которые могут быть похожи на эту проблему?
Спасибо всем.