python - 基于时间的数据到二进制标签的分类器

Question

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？

标签： pythonmachine-learningneural-networkrecurrent-neural-network

Answer 1

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。