python - 使用 scikit learn 训练机器学习模型以进行时间序列预测

Question

我需要使用 scikit-learn 训练一个模型来预测房间内人数较少的可能时间。

这是我的数据集的样子:

Time                          PeopleCount
---------------------------------------------
2019-12-29 12:40:10               50
2019-12-29 12:42:10               30
2019-12-29 12:44:10               10
2019-12-29 12:46:10               10
2019-12-29 12:48:10               80
and so on...

此数据的有效期为 30 天。

模型训练完成后，我将查询模型以获取上午 10 点到晚上 8 点之间房间里的人数可能会减少的时间。我期望机器学习模型能够以 30 分钟的精度做出响应，即。 “下午 3.00 至下午 3.30”

我可以使用什么算法来解决这个问题以及如何实现目标？或者除了 SciKit-Learn 之外还有其他 Python 库可以用于此目的吗？

我是机器学习新手，很抱歉问了一个天真的问题。

Answer 1

首先，时间序列预测的理论基础是当前值或多或少取决于过去值。例如，截至 2019 年 12 月 29 日 12:48:10 的人数为 80，必须对 12:46:10、12:44:20 或之前时间的人数产生强烈影响，与过去的人数相关值(value)观。如果没有，您最好使用其他算法进行预测。

虽然 scikit 包包含各种机器学习算法模块，但其中大多数专门针对分类算法。我认为如果你的日期没有被识别为时间序列类型的话，分类算法肯定能满足你的需求。实际上，scikit 也有一些回归模块，尽管我认为这似乎不太适合时间序列数据的预测。

在时间序列数据的预测中，RNN或LSTM算法(深度学习)已被广泛使用，但scikit没有提供其内置算法。因此，您最好学习 Tensorflow 或 Pytorch 框架，它们是帮助您构建 RNN 或 LSTM 模型的常用工具。