利用实时流数据预测人群密度
利用实时流数据预测人群密度
提问于 2018-05-12 01:47:02
我想预测一个地点(映射到lat/lng的邮政编码)会有多拥挤。我想对这样的问题作出预测:下周一下午6点至8点，围绕邮政编码12345的50米地区的人群密度会是怎样的？
首先，我正在处理包含时间戳和邮政编码的历史事务数据(作为人类活动的代理)。当新的事务数据发生时，我也想将它们合并到我的模型中。
这有道理吗？
- 根据请求的时间(下午6点到8点之间)过滤历史事务。
- 根据所需的邻近性对事务进行聚类，以获得该区域的每日事务总数。
- 使用每日总数作为我的回归模型的训练数据。
- 用这个模型来预测
我是否需要重新运行整个过程来解释实时到达的新数据(例如，每5分钟一次)？是否有适合的增量ML模型？
回答 1
Data Science用户
发布于 2018-05-12 02:46:45
是否有适合的增量ML模型？
当模型处于生产模式时，您必须能够访问它，并且实际上能够用一个新版本更新它。由于所谓的数据转移，当新数据出现时，所有的ML模型都应该进行调整。您可以定期评估模型的性能。
我建议将问题建模为序列模型，每天使用多个输出来预测每个邮政编码的密度。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/31558
复制相关文章
相似问题
腾讯云开发者
