假设我有一个实验，我将一只老鼠释放到迷宫中并等待它到达终点。假设我也在不同时间跟踪这只老鼠在迷宫中的位置。我们开工吧次。现在，我有一个数据集可变长度的运动曲线，因为有些动物完成得更快，有些需要更长的时间，等等。有没有办法我可以分析这些数据，然后预测下一步行动给定一个? 我可以使用哪些技术以及它们将如何工作？我在考虑 LSTM 或 RNN，但不确定使用什么技术来解决此类问题。
从一组序列中预测 t+1
数据挖掘
神经网络
预测建模
lstm
rnn
2022-03-02 02:00:05
1个回答
是的，您可以使用 LSTM 或 RNN，但从我的角度来看，可能还有其他可能性。如果你想使用循环神经网络，你应该使用监督训练模式：
（多对多）
输入 x1 是老鼠在时间 1 的移动，y1 是老鼠在时间 2 的移动，x2 是老鼠在时间 2 的移动，y2 是老鼠在时间 3 的移动，依此类推……
但是对于您的这种问题，循环网络可能不是最佳选择。我建议你使用决策树或随机森林算法，因为老鼠的可能结果只有 4：右、左、上、下，并且你有一个有限的位置状态，“迷宫”。你能做的最好的就是建立一个随机森林算法，其中的特征可以是，例如，老鼠周围的墙壁，这些墙壁与它的距离，与出口的距离以及老鼠穿过的次数状态，标签为：右、左、上、下。
请记住，如果数据不一致并且随机森林是一种非常强大的机器学习工具，那么机器学习模型比深度学习模型效果更好