Как применить гауссовский наивный байесовский прогноз для прогнозирования количества трафика в будущем?

Question

Я получил некоторые исторические данные о трафике и хотел бы предсказать будущее. Я беру ссылку из http://www.nuriaoliver.com/bicing/IJCAI09_Bicing.pdf. Он применил байесовскую сеть для прогнозирования изменения количества велосипедов, где я получил байесовскую сеть и хотел бы прогнозировать изменения с помощью байесовского.

Я столкнулся с несколькими вопросами. Я пытался использовать наивные байесовские предсказания, чтобы предсказать число, но кажется, что наивные байесовские измерения позволили получить результат только в виде нескольких дискретных классов. В моем случае изменения, по-видимому, не могут быть сгруппированы в дискретный класс (например, предсказание, что человек является «мужчиной» или «женщиной», только 2 дискретных выхода будут классификатором)

Могу ли я узнать, как я могу применить подход baysian в моем случае и какие пакеты python могут мне помочь?

Answer 1

Я бы видел это как проблему прогнозирования временных рядов, а не проблему классификации. Как вы заметили, вы не пытаетесь разметить свои данные в набор отдельных классов. Учитывая серию наблюдений x_1, x_2, .... x_n, вы пытаетесь предсказать x_(n+1) или пытаетесь прогнозировать следующее наблюдение той же переменной в серии. Возможно, вы могли бы обратиться к этому слайду для краткого введения в прогнозирование временных рядов.

Краткое руководство по прогнозированию временных рядов с помощью Python можно найти здесь: https://machinelearningmastery.com/time-series-forecasting-methods-in-python-cheat-sheet/