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/