我可以访问包含 100 人的数据帧以及他们在特定运动测试中的表现。该帧包含每个人大约 25,000 行，因为(大约)每厘米 (10^-2) 都会跟踪此人的表现。我们希望使用这些数据来预测二进制 y 标签，也就是说，某人是否有运动问题。
根据每个人的某些列的均值和方差训练神经网络，正确分类 +-72% 的数据。
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正确分类 +-80%。
现在，由于这是基于时间的数据，“随着时间的推移此测试的性能”，因此建议我们使用循环神经网络。我对此进行了研究，发现这主要用于预测 future 事件，即下一厘秒内发生的事件。
问题是，使用 RNN(以基于时间的方式)这样的数据来预测二进制标签通常是否可行？如果不是，那是什么？
最佳答案
是的，这绝对是可行的，而且也很常见。搜索任何文档分类任务(例如情绪)以获取此类任务的示例。
关于python - 基于时间的数据到二进制标签的分类器，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/54288421/