python - 基于时间的数据到二进制标签的分类器
问题描述
我可以访问 100 人的数据框以及他们在某个运动测试中的表现。这个帧包含每人大约 25,000 行,因为这个人的表现被跟踪(大约)每厘秒 (10^-2)。我们想用这个数据来预测一个二进制 y 标签,也就是说,如果有人有运动问题。
针对每个人正确分类数据的某些列的均值和方差训练了神经网络+-72%
。朴素贝叶斯分类器对每个人的某些列的均值和方差进行了+-80%
正确分类。
现在,由于这是基于时间的数据,“通过时间测试的性能”,我们被建议使用循环神经网络。我对此进行了研究,发现这主要用于预测未来事件,即在接下来的几分之一秒内发生的事件。
问题是,在这样的数据上(以某种方式基于时间)使用 RNN 来预测二进制标签通常是否可行?如果不是,那是什么?
解决方案
是的,这绝对是可行的,也很常见。搜索任何文档分类任务(例如情绪)以获取此类任务的示例。
推荐阅读
- python - Python中的处理时间表
- tkinter - NameError:名称“名称”未在 tkinter 中定义?
- php - Laravel 表单提交 - 使用调试栏调试输出
- google-signin - 使用自定义谷歌登录按钮时如何退出
- php - 防止数据库中的重复用户名
- r - 如何对 train() 函数的结果进行 wilcox 测试
- ios - 如何在 React Native 中详尽列出 AWS appsync graphql 操作所做的订阅
- python - 侦听器仅接收到第一条消息
- python - 无法在 pid 上设置锁定 rofi 已在运行
- python - 从串行输入中读取在 Python3 中不起作用