• 1000
Мы видим, что модель предсказывает следующее значение в последовательности.
[[102.09213]]
Но у меня есть данные о статьях, прочитанных с разных идентификаторов пользователей в течение 2019 года. А пока давайте рассмотрим одного пользователя или забыли о пользователе. мы будем рассматривать простые данные как ArticleID, прочитанные для любых дат, как показано ниже:
Мои данные:
from datetime import date, timedelta
import pandas as pd
import numpy as np
sdate = date(2019,1,1) # start date
edate = date(2019,1,7) # end date
required_dates = pd.date_range(sdate,edate-timedelta(days=1),freq='d')
# initialize list of lists
data = [['2019-01-01', 1001], ['2019-01-03', 1121] ,['2019-01-02', 1500],
['2019-01-02', 1400],['2019-01-04', 1501],['2019-01-01', 1200],
['2019-01-04', 1201],['2019-01-04', 1551],['2019-01-05', 1400]]
# Create the pandas DataFrame
df1 = pd.DataFrame(data, columns = ['OnlyDate', 'ArticleID'])
df1.sort_values(by='OnlyDate',inplace=True)
df = pd.get_dummies(df1.set_index('OnlyDate')['ArticleID']).max(level=0)
df
1001 1121 1200 1201 1400 1500 1501 1551
2019-01-01 1 0 1 0 0 0 0 0
2019-01-02 0 0 0 0 1 1 0 0
2019-01-03 0 1 0 0 0 0 0 0
2019-01-04 0 0 0 1 0 0 1 1
2019-01-05 0 0 0 0 1 0 0 0
2019-01-06 0 0 0 0 0 0 0 0
Я не могу преобразовать указанные выше данные, чтобы сделать он подходит для указанной выше модели LSTM.
Моя основная цель здесь - получить прогнозы для любого интереса пользователя (1) для любых предоставленных дат, поскольку я почти исправил 2200 идентификаторов статей и почти 500 идентификаторов пользователей.
Что я могу попробовать дальше?