单用经典机器学习，多设备轨迹预测是可能的吗？
单用经典机器学习，多设备轨迹预测是可能的吗？
提问于 2020-12-12 15:51:28
所以我有一个多个装置轨迹的数据集。每个设备都有轨迹ID(多个轨迹)，其中每个轨迹由起始点(x，y)和终点(x，y)、启动时间和结束时间组成。从根本上说，每个设备在一段时间内不移动时都会停止。当他们再次移动时，这是另一条轨迹。
任务是预测每个设备的端点(x和y代表最后的轨迹)，因此这是一个多标签回归问题。问题是每个设备都会走不同的路径，所以我认为我必须为每个设备训练一个模型。我不认为它会起作用，因为我必须预测完全不同的设备，但让我们暂时搁置一下。我遇到的主要问题是，在训练数据中，一些设备只有一个轨迹，几乎一半的设备有5个轨迹，所以我认为我的解决方案已经过时了。
假设这是可能的话，你会建议如何使用经典机器学习来解决这个问题？如果不是，我应该考虑什么NN建筑(S)？我还不熟悉NNs，但如果这是唯一的方法，我将尝试快速了解必要的体系结构。
回答 1
Data Science用户
发布于 2021-04-26 19:18:55
任何机器学习算法一旦正确定义问题，都有可能学习到一个解决方案。
一种可以帮助学习的技术就是把这些地方放在垃圾桶里。而不是预测一个特定的x和y(并且是精确错误的)，预测一个更一般的区域。基于位置的拓扑结构，将相似位置点聚在一起。
一种典型的机器学习技术是基于树的，例如决策树、随机森林或增强树。
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/86604
复制相关文章
相似问题
腾讯云开发者
