基于有限特征的准确率预测

Question

一个基于是否以及以什么样的准确度/概率完成的练习问题，优步在订购后具有以下特点：

Available Drivers     int64
Placed Time           float64
Response Distance     float64
Car Type              int32
Day Of Week           int64
Response Delay        float64
Order Completion      int32 [target]

我的方法是克拉斯特遣部队以预测目标。下面是它的样子：

model = tf.keras.models.Sequential([
    tf.keras.layers.Dense(16, activation='relu', input_shape=input_shape),
    tf.keras.layers.Dense(16, activation='relu'),
    tf.keras.layers.Dropout(0.2),
    tf.keras.layers.Dense(1, activation='sigmoid')
])

adam_optimizer = tf.keras.optimizers.Adam(learning_rate=LEARNING_RATE)

binary_crossentropy_loss = tf.keras.losses.BinaryCrossentropy()

model.compile(optimizer=adam_optimizer,
              loss=binary_crossentropy_loss,
              metrics=['accuracy'])
early_stop = tf.keras.callbacks.EarlyStopping(monitor='val_loss', patience=ES_PATIENCE)

history = model.fit(train_dataset, validation_data=validation_dataset, epochs=EPOCHS, verbose=2,
                        callbacks=[early_stop])

我像这样规范化数据（注意，train\ u数据是一个数据帧）：

    train_data = tf.keras.utils.normalize(train_data)

为了预测

predictions = model.predict_proba(prediction_dataset, batch_size=None)

培训结果：

loss: 0.3506 - accuracy: 0.8817 - val_loss: 0.3493 - val_accuracy: 0.8773

但这仍然给了我一个相应发生的低质量概率。这是错误的方法吗？你知道吗

对于这样的问题，你有什么建议？我是不是完全错了？对于这个解决方案，神经网络是个坏主意吗？谢谢！你知道吗

Answer 1

如果您正在进行分类，您可能需要研究集成方法（forest、boosts等）

如果你在计算概率，你可能想研究概率图形模型（贝叶斯网络等）

Answer 2

当你提出这个问题时，这是一个典型的机器学习分类问题。你知道吗

给定N个特征（自变量），你必须预测1（一）个因变量。你知道吗

你构建神经网络的方法很好。你知道吗

因为你有一个二进制分类的问题，乙状结肠激活是正确的。你知道吗

关于模型的复杂性（层的数量，每层神经元的数量），这在很大程度上取决于数据集。你知道吗

如果你有一个全面的数据集，有很多的特征和例子（一个例子是数据框中的一行X1，X2，X3。。。Y） ，其中X是特征，Y是因变量，模型的复杂度可能会有所不同。你知道吗

如果您的数据集很小，但有一些特性，建议使用小型模型。总是从一个小模型开始。你知道吗

如果遇到拟合不足的问题（训练集以及验证和测试集的准确性较差），可以逐渐增加模型的复杂性（添加更多层，每层添加更多神经元）。你知道吗

如果遇到过拟合问题，实施正则化技术可能会有所帮助（退出、L1/L2正则化、噪声添加、数据增强）。你知道吗

你需要考虑的是，如果你有一个小的数据集，那么一个经典的机器学习算法可能会优于深度学习模型。这是因为神经网络非常“饥渴”->；与机器学习模型相比，它们需要更多的数据才能正常工作。您可以选择支持向量机/核支持向量机/随机森林/XGBoost和其他类似的算法。你知道吗

编辑！你知道吗

是否以及以何种准确度/概率自动将问题分为两部分，而不仅仅是简单的分类。你知道吗

我个人会做的是：由于概率发生在0%到100%之间，如果你在X列中有概率作为一个特征（你没有），那么，根据你拥有的数据点（行）的数量，你可以做以下事情：我会给每个概率部分指定一个标签：：1到（0%，25%），2到（25%，50%），3至（50%，75%），4至（75%，100%）。但这完全取决于先前的概率信息（如果将概率作为特征）。如果你推断得到标签3，你就会知道骑乘完成的概率。

否则，您不能将当前的问题同时定义为分类问题和概率问题。你知道吗

我希望我已经给你一个介绍性的见解。快乐的编码。你知道吗