Machine learning 家庭自动化的强化学习

我遇到了一个问题，我必须自动化一些任务。比如说，根据用户在一周中的不同日子与设备的交互来打开和关闭设备

假设我们有一个灯泡B1和一个用户U1。开始时，U1将在他想要的时间打开和关闭灯泡B1。例如，他可能会在周日上午9:10打开，在周日上午11:15关闭。同样，如果我们将7天划分为5个时间单位，我们将得到2016个单位时间。我们的系统必须学习每5分钟一次的用户行为，学习2周后，按照用户的要求打开或关闭灯泡

你认为它可以通过基于再实施的学习技术来实现吗？还有其他机器学习算法的建议吗

---

这基本上是一个家庭自动化与机器学习大学项目。

阅读您的问题时，我的第一个直觉是尝试贝叶斯推理方法，使用单位时间上的均匀分布作为先验，用户行为作为证据。可以找到一个很好的视觉解释。另外，你可以看看这个。

如果我明白了，你想说的是使用贝叶斯方法。为每个机组分配1/2016的概率？然后将每个用户事件视为证据并在过程中进行更新？请您再解释一下好吗？是的，但请记住这只是第一个想法。如果你的前科是统一的，你的后科将受到你的证据的高度影响。一种简单的建模方法是，在2周的学习周期内，计算用户每次打开（例如）灯的时间单位。将每个计数除以观测总数，生成概率质量函数。它的采样应该以某种方式模仿用户的行为。如果您想从不同的Previor开始，可以查看初始响应中的链接。