我的项目如下所示：我的数据集是一堆人的资料，具有各种属性，例如 boolean hasJob 和 int healthScore，以及他们的收入。使用这些数据，我试图预测他们未来的收入。每个配置文件也有一个历史：例如，他们过去的属性和收入。
所以本质上我正在尝试将多组（x booleans，y numbers）映射到一个数字（来年的薪水）。
我考虑过神经网络、贝叶斯网络和用于函数拟合的遗传算法。有什么建议或意见吗？
提前致谢！——艾米丽
问问题
231 次
1 回答
1
您要做的就是所谓的“时间序列建模”。但是，每个系列（每人）可能只有很少的数据。我认为很难找到适合每个人的模型，因为您会做出一些一般性假设，例如每个人都同样以职业为导向。这也是一个如此嘈杂的目标，例如，您可能必须考虑某人是否是甜言蜜语者。你如何衡量这样的事情？我很确定您当前的属性有足够的噪音，很难预测任何事情。当您说健康状况时，您是指身体健康还是心理健康。在不同的业务中，不同的事情很重要。他们从事的业务或行业呢？它的健康和增长潜力？我认为这会极大地影响他们的收入。我还认为您有因变量以及属性可能（并且可能）受目标变量的影响。例如。收入较高的人健康状况较好。这听起来是一件非常复杂和困难的事情，绝对没有什么“我天真地对我的数据进行分组并尝试了一堆方法”会给出有意义的结果。我建议更多地了解时间序列建模，尤其是你所拥有的数据。也许可以尝试从最初的属性对人进行聚类，看看他们是如何发展的。有没有与这种发展相关的变量？
你的研究问题是什么？
于 2012-10-06T08:31:30.483 回答