如何在格上处理向量族的映射并预测结果值

数据挖掘 神经网络 深度学习 时间序列 回归 图表
2022-02-13 21:01:15

我在这里描述了一个模型来描述邻居如何影响节点。

我希望实现它以尝试预测值关联节点;我在这里发帖征求关于数学模型和机器学习技术的建议,这些技术可能已经考虑过类似的方法,但我不知道,以及它们的实现提示(python)。

假设您有一个 2D 方格(为简单起见,一个由 9 个正方形组成的网格),并且:

  • 每次t
  • 从网格中的每个单元格

你有指向或来自中心广场的向量。

像这个例子一样,在时间t1

在此处输入图像描述

我想将向量“映射”到与中心正方形相关联的参数。

我认为向量可以建模为“矩阵X ”(或向量族)和结果值y,但我实际上正在努力以正式的方式正确表示它。

就像在第二张图片中一样:

在此处输入图像描述

然后我想预测未来可能的y值。我想我可以探索线性或非线性模型,例如应用于时间序列的回归或预测:

但我想训练向量的时间序列,而不是y的时间序列(希望很清楚)。

您能否帮助建议要查看的模型和可能的实现(python),它们可能已经接近了这种动态?

您能否提出泛化流形结构 (3d) 的方法?

作为概括的例子,我在想:

  • 3D 晶格(相邻立方体影响中央立方体);
  • Y s 作为向量,而不是标量(请参阅最终图像以解释我的意思),其中结果向量在未来t + 1的下一步被解释为结果向量

在此处输入图像描述

1个回答

这似乎真的是制定你的问题的问题。在您的 2D 示例中,您可以拆分您的Xi沿着您的轴并将它们并置以构建数据集。每个Xi有两个组件:沿轴 1 (Xi1) 和 2 (Xi2)。

基本上,您只需通过并列 18 列来构建数据集:

X11,X12, ...,Xi1,Xi2,...,X91,X92

试图预测你的 y。

您可以通过类似的特征并置来增加问题的维度。如果你增加 y 的维度,它会变得有点复杂,因为你需要多个模型。

试图预测yt+1会导致其他考虑,例如考虑yt作为模型的一个特征。