历史天气数据与机器学习？
历史天气数据与机器学习？
提问于 2018-12-13 03:05:50
我的公司交给我做一些天气预报的任务。我现在有10年的历史天气资料(气温、毫米降水、湿度等30多个特征)。我们需要知道南亚国家在特定时期(周、月)降雨的概率？
现在我只能根据月平均来计算大约的概率了(比如10年来，12月1日下了8次雨，所以概率是80%)。当然，这根本不是一个科学的方法，但有时我们需要提前3个月或更长时间了解降雨概率。
我想尝试建立一个神经网络模型，但不明白它在生产中是如何工作的？这个模型经过训练后能得到什么数据？有人有什么想法吗？
回答 1
Data Science用户
发布于 2018-12-13 04:45:05
对于时间序列建模，人们通常会选择LSTM(或它们最近的改进)。这样的模型以其长时间记忆而闻名，这在这里是必要的，因为长期的季节性和类似的影响。
至于生产，有几种方法服务于神经网络，例如丹瑟尔流发球。
特别是在生产中进行一次培训--你可以选择不去做。如果您的数据集有10年的数据，并且您的模型将投入生产超过一年，那么您可以考虑定期地、每年左右对它进行再培训(与所有新收集的数据+旧数据一起使用)。它也可以完全自动化。
还有其他方法(寻找传统上属于RL领域的“在线培训和推理”方法)。但是根据你的描述，你花在建立这样的能力上的额外时间似乎不值得获得。
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/42533
复制相关文章
相似问题
腾讯云开发者
