machine-learning - 用户行为预测/分析
问题描述
我正在尝试应用机器学习方法来预测/分析用户的行为。我拥有的数据格式如下:
我是机器学习的新手,所以我试图了解我所做的事情是否有意义。现在在活动列中,我有两种可能性,我表示为 0 或 1。现在在时间列中,我有时间以循环方式映射到范围 (0-24)。现在在某个时间(onehot 编码)用户执行一项活动。如果我在机器学习中使用活动列作为目标列,并尝试预测用户是否会在某个时间执行一项或另一项活动,这是否有意义?
我试图预测活动的原因是,如果我的模型为我提供了一些关于活动预测的结果并且用户实时执行其他操作(他在过去一周左右没有这样做),我想将其视为偏离正常行为。
我做对了还是错了?任何建议将不胜感激。谢谢。
解决方案
我认为您的想法是有效的,但机器学习模型并非始终 100% 准确。这就是为模型定义“准确度”的原因。
如果您想创建高性能的预测模型,请选择深度学习模型,因为它的性能会随着训练数据集大小的增加而随着时间的推移而提高。
推荐阅读
- java - 如何在 JNA 中正确映射 CERT_SELECT_STRUCT
- python - 使用pyarrow读取保存为镶木地板的DataFrame,将文件名保存在列中
- c++ - c++中makefile在清理时出错,找不到文件
- c - 在函数中分配内存,然后在外部使用
- reactjs - 我无法启动 React 项目,因为 node_models 文件丢失但它们存在
- flutter - 为什么选定的值没有反映在 showModalBottomSheet 中?
- angular - 无论时区如何,都使用绝对日期
- tree - ggtree:彩色树枝和尖端
- substrate - 错误[E0658]:非内置内部属性不稳定
- php - 在 null 上调用成员函数 getBag() - Laravel