Python 根据编号系列生成经过培训的模型,并确定下一个编号
我想创建一个模型,其中我将传递一个数字序列,它将识别序列模式并生成下一个值 例:Python 根据编号系列生成经过培训的模型,并确定下一个编号,python,machine-learning,numbers,training-data,Python,Machine Learning,Numbers,Training Data,我想创建一个模型,其中我将传递一个数字序列,它将识别序列模式并生成下一个值 例:输入:2,4,6,8,10,12,14,16…..200 上面是我的输入,我的模型将识别自己是一个2x系列,并将202204,…作为输出 这可以通过机器学习算法来实现吗 这是我为您的案例创建的基本模型: import numpy as np def models(array): if (array[2] - array[1]) == (array[-1] - array[-2]): desc
输入:2,4,6,8,10,12,14,16…..200
上面是我的输入,我的模型将识别自己是一个2x
系列,并将202204,…
作为输出
这可以通过机器学习算法来实现吗 这是我为您的案例创建的基本模型:
import numpy as np
def models(array):
if (array[2] - array[1]) == (array[-1] - array[-2]):
desc = "Model is linear"
val = array[-1] + (array[2] - array[1])
elif (array[2] / array[1]) == (array[-1] / array[-2]):
desc = "Model is exponential"
val = array[-1] * (array[2]/array[1])
else:
desc = "Model is not linear nor exponential"
val = np.nan
return desc, val
我在这里尝试:
c = [1,2,3,4,5]
print(models(c))
输出(应为6):
另一次尝试使用不同的号码:
c = [2,4,8,16,32]
print(models(c))
输出(应为64):
不管这种特殊情况如何,您都应该尝试寻找机器学习课程,以了解使用机器学习可以实现什么,并学习如何编写实际的机器学习模型。另一方面,范围太广了。这太广了,而且不特定于机器学习的任何范围,python。请尽量把你的问题限制在一些具体的问题上。也就是说,简单的答案是“是”,你可以使用许多不同的模型。可以这样做,搜索时间序列,然后fun@PV8我试过使用timeseries,但我得到的结果是分数,而且精度很差。我已经为此使用了Sequential()函数。你有什么具体的算法吗?或任何特定参考。你的帮助很重要。@IvanLibedinsky谢谢。你能提到任何特定的算法或链接吗?谢谢你的努力。是的,这是一个太宽泛的概念,因为一个系列可以是上升的、下降的或不均匀的。像这样的算法不会有多大帮助。我在某个地方读过关于RNN的文章,你知道吗?它对一个系列有效吗?是的,你可以让它对一个系列有效,但我真的建议你开始研究这些概念,然后把你的问题限制在一个特定的问题上。
c = [2,4,8,16,32]
print(models(c))
('Model is exponential', 64.0)