一种预测单个值的结果但在 RNN 中对更广泛的输入数据进行训练和输入的方法？ [关闭]

Posted 2023-02-16

【中文标题】一种预测单个值的结果但在 RNN 中对更广泛的输入数据进行训练和输入的方法？ [关闭]

【英文标题】：A way to predict an outcome of a single value but train and input on a much wider range of input data in RNN? [closed]

【发布时间】：2021-05-20 20:59:05

【问题描述】：

假设我们有一个篮球运动员日志统计数据（只是因为它有很多统计数据可供选择）。 所以有得分、篮板、助攻、投篮命中率、三分命中率等。我们可以添加对方球队的数据（我们的球员还没有上场的数据）。

混合历史数据和下一个对手球队的统计数据以更好地预测结果是否正确？ 主要问题是：有没有一种方法可以预测单个值（点作为最简单的例子），但可以从如此广泛的输入值中预测？我很想读一些关于它的东西（比如文章或代码示例），但我找不到任何相关的东西，可能是因为我的术语有误:)

附言编码语言无关紧要，可能是matlab/python/etc，我只是想理解一个概念，应该能够阅读任何语言

【问题讨论】：

请从intro tour 重复on topic 和how to ask。正如您所说，您的术语可能是错误的。这表明您需要学习术语。然后你需要学习基本的使用模型——这些信息可以从许多关于训练 NN 的介绍中轻松获得。 Stack Overflow 无意取代现有的文档和教程。

【参考方案1】：

有大量关于如何应用机器学习的文章和教程。 Scikit-learn 是一个流行的机器学习 Python 包，可以满足您的要求，尤其是线性回归模型。看看这个教程here。

要回答您关于“混合历史数据”的问题，基本答案是肯定的，您可以这样做，如果您认为或知道某个特征与目标高度相关，那么我会包含它。

例如，如果我想预测坦帕湾在超级碗比赛中对阵堪萨斯城的传球码数，我希望设置我的数据集，以便我有比赛（每一行）的传球码数球队那场比赛（我的目标变量），以及对手的传球防守（无论我可能包括什么统计数据）进入那场比赛。所以这需要一些处理和值的转换（记住，我们必须考虑一次进攻获得多少传球码，因为对手的传球防守进入了比赛进入）。我们可能还想在游戏中加入传球进攻数据。

因此，如果我们有一堆历史数据/行表明 A 队在一场比赛中平均每场传球 300 码，而 B 队（对方防守方）在一场比赛中每场比赛允许 400 码，那么进攻得到了450 码传球（或任何比赛的码数）。您创建了足够多的这些行来训练您的一天，然后当您输入一个结果未知的新行时，您可以使用这些特征来预测您的目标变量。

您也可以将其应用于 RNN。我建议Keras。你也可以看here或here。