我有带有状态历史的对象池，其中从一种状态到另一种状态的每次转换都需要一些时间，例如：
该池由许多具有正确历史的对象组成，其中状态序列和转换持续时间遵循一些未知规则。该池还包含少量具有错误历史记录的对象。但是哪些对象是对还是错是未知的。
它需要在池中发现错误。例如，“不允许从 X 到 Y 的过渡”或“这种类型的过渡太长”。
哪些机器学习模型更适合这个问题？
对象状态的机器学习
数据挖掘
机器学习
机器学习模型
2022-02-27 22:43:05
1个回答
在我看来，这个问题类似于语言建模：一个模型在大量序列上进行训练，然后它可以预测任何输入序列的概率。在您的情况下，低概率表示异常序列。
我的背景是 NLP，这就是我认为语言建模的原因，但我想同样的技术也可以用于其他问题。您具有转换和状态的事实表明马尔可夫模型，其中有已知的推理和估计方法。因此，也许您可以为您的案例设计一种更具体的模型，并使用Baum-Welch 算法之类的东西。
其它你可能感兴趣的问题