问题标签 [prediction]

一段时间以来，我一直在使用 gsm 编解码器进行网络音频聊天。由于“语音预测”，现在我想实现像 speex 或 iLBC 这样的东西。据我了解，我需要数据包的时间戳。我也知道要使编解码器预测语音，例如，我必须将其传递为 NULL 数据包。

但我无法理解整个概念！即：App发送数据包1,2,3,4,5,6。我收到 1,2,3,6。我必须做什么？

接收 1 - 播放它。

接收 2 - 播放它。

接收 3 - 播放它。

接收 6 - 嗯...播放 4,5 作为 NULL 然后播放 6？

如果丢失的数据包太多怎么办？

__builtin_expect来自 GCC 的程序员可以使用来显示哪些变体预计会经常出现，哪些变体很少见。但 __builtin_expect只有“真”和“假”（0% 或 100% 的概率）

-fprofile-arcs对于一些大型项目，很难获得配置文件反馈（

是否可以向编译器提示分支的概率 >0% 和 <100% ？

我打算使用 SlopeOne 算法来预测玩家是否可以在游戏中完成给定级别？

这是场景：

1. 许多玩家在游戏中玩并尝试完成 100 个关卡。
2. 每个玩家都可以根据需要多次玩一个关卡，直到他们通过关卡。
3. 系统会跟踪级别和每个级别的重试次数。
4. 每个游戏关卡都属于 3 个类别之一（简单、中等、困难）
5. 每个类别的关卡分布近似为 33%，这意味着 33% 的关卡是简单的，33% 的关卡是困难的，等等。

使用此信息：

当一个新玩家开始玩游戏时，经过几个关卡后，我希望能够预测玩家可以轻松越过哪些关卡，以及他/她不能轻松越过哪些关卡。

凭借这种预测能力，我想展示用户能够以 50% 的概率跨越的游戏关卡。

我可以为此使用 SlopeOne 算法吗？

推理是我看到我想说的电影评级系统之间有很多相似之处。

n 个用户，m 个项目和 N 个评分来预测给定项目的用户评分。

同样，就我而言，我有

n 个用户，m 个级别和 N 次重试...

唯一的区别是在电影评级系统中，评级固定在 1-5 的范围内，在我的情况下，重试范围可以从 1-x（x 可能高达 30）

虽然理论上有人可以重试 30 次以上，但现在我可以从将上限固定为 30 开始，并在获得更多数据后进行调整。

谢谢。

背景

使用 R 预测系列中的下一个值。

问题

以下代码为具有一些均匀噪声的曲线生成并绘制模型：

正如预期的那样，该模型揭示了趋势。麻烦在于预测后续值：

绘制时预测看起来不正确：

预测值（从 201 开始）似乎太低了。

问题

1. 如图所示，预测值是否实际上是最准确的预测？
2. 如果不是，如何提高准确性？
3. 连接两个数据集（fitted.values( gam.object )和p）的更好方法是什么？

您建议哪种类型的人工神经网络能够进行连续的时间相关信号预测？它应该预测很少信号的小尺度步长到具有很多信号的非常大尺度步长，可能精度较低（某种层次结构的抽象？）。

看：

实际上系统应该同时学习和预测。

问题

我们正在接收字符串，它们可能代表公司名称或个人姓名。我们需要一个启发式来确定这一点。

最初的想法

• 使用带有节点 Commercial String /Commercial 或 Personal String /Personal 的 XML 文档，并且得分匹配字符串 +1（抱歉不知道如何在 SO 中格式化 XML）

• 不能只检查专有名词。IE Bob's Company 是一家以 Bob Compton 命名的公司

• 需要以某种格式返回置信水平。我想不出如何用百分比来做，我能想到的就是如果找到匹配项使用整数

• 可能的商业（全部都将转换为小写）：co、co.、inc、inc. 等（每个的详细版本）

• 我可以从网上得到一份英文名单

问题

有没有人遇到过这种域问题？你用了什么方法？有什么华丽的方法可以解决这个问题吗？

谢谢你。

我想知道测试时间序列模型的好方法是什么。假设我在时域 t1,t2,...tN 中有一个时间序列。我有输入，比如 zt1、zt2、...ztN 和输出 x1、x2...xN。

现在，如果这是一个经典的数据挖掘问题，我可以使用已知的方法，如交叉验证、留一法、70-30 或其他方法。

但是我应该如何解决用时间序列测试我的模型的问题呢？我应该在第一个 t1,t2,...t(Nk) 输入上构建模型并在最后 k 个输入上进行测试吗？但是，如果我们想要最大化提前 p 步而不是 k（其中 p < k）的预测怎么办。我正在寻找一个可以应用于我的具体案例的强大解决方案。

是否有围绕人工智能的标准规则引擎/算法可以预测用户对特定类型产品（如衣服）的品味。我知道这是所有电子商务网站都会为之而死的一件事。但我正在寻找那里定义的理论模式，这将有助于以更好的方式做出预测，如果不准确的话。

我一直在寻找用于 iPhone 和其他手机的“预测词典”，通过建议单词来提高文本输入的准确性。

1. 有谁知道这样的字典是否适用于 Objective C/iOS？
2. 或者一种从头开始创建的方法/工具？

我计划使用 LibSVM 来预测 Web 应用程序中的用户真实性。(1) 收集有关特定用户行为的数据（例如登录时间、IP 地址、国家等） (2) 使用收集的数据来训练 SVM (3) 使用实时数据来比较并生成真实性级别的输出

有人能告诉我如何用 LibSVM 做这样的事情吗？Weka 可以帮助解决这些类型的问题吗？