预测在单一时间点s的位置点集合

Question

示例数据集包含用户的位置点。你知道吗

df.head()

   user           tslot         Location_point
0   0   2015-12-04 13:00:00     4356
1   0   2015-12-04 13:15:00     4356
2   0   2015-12-04 13:30:00     3659
3   0   2015-12-04 13:45:00     4356
4   0   2015-12-04 14:00:00     8563

df.shape 

(576,3)

定位点是随机的，需要在给定的时间内预测用户的下一个定位点。由于位置点是随机数，我需要预测每个时隙的位置点集。你知道吗

Example:

If I need to predict the location point at tslot 2015-12-04 14:00:00.
my predicted output should be [8563,4356,3659,5861,3486].

我的代码

time_steps=1
data_dim = X_train.shape[2]
model = Sequential()
model.add(LSTM(data_dim, input_shape=(time_steps,data_dim), activation='relu'))
model.add(Dense(data_dim))
model.compile(loss='categorical_crossentropy', optimizer='adam')
model.fit(X_train, y_train, epochs=20, batch_size=96)
model.summary()

这有助于为每个时隙预测1个位置点。我想知道这是否可行，如何做到？你知道吗

Answer 1

我假设这是为了获得一些关于预测的信心。你知道吗

如果是这样，有多种方法可以做到这一点。例如，请参阅Amazon关于如何预测分位数的this论文，以及关于如何使用贝叶斯框架获得预测周围的不确定性的this论文。你知道吗

如果您有其他意图，请澄清。你知道吗