Podría, con lat y long … pero es muy poco probable que obtenga algo útil. Si aumenta los árboles (generalmente el algoritmo preferido en la mayoría de las aplicaciones con problemas de aumento de gradiente), no puede usar el año para predecir el futuro. Con los árboles, usted compara el valor (a medida que baja cada árbol que se ha construido) y compara el nuevo valor con la variable dividida. Si la variable de división es año, siempre irá al camino con la división más alta, ya que el tiempo avanza. Si tuviera un proceso estacional, el mes funcionaría, pero puede que no en sus datos. Realmente depende de la naturaleza de los datos en cuestión.
Utilicé modelos basados en árboles en datos espacio-temporales, pero los principales predictores no fueron el espacio y el tiempo, y la naturaleza del problema tenía más que ver con esos predictores que el espacio y el tiempo. Querrás, bueno, modelos espacio-temporales. Kriging es un modelo espacial, por ejemplo.
Otro problema es que, por ejemplo, la latitud y la longitud no definen la distancia entre dos puntos. Tampoco tienen en cuenta, por ejemplo, la topografía.
- ¿Debo incluir kaggle en mi Cv?
- ¿Cuál es la diferencia entre un ingeniero de aprendizaje automático y un científico de datos en Quora?
- ¿Cuáles son las diferencias entre la estandarización de datos y los servicios de anexión de datos?
- ¿Cuáles son algunos de los procedimientos / metodologías estadísticas comúnmente utilizados en las pruebas A / B?
- ¿Alguien me puede dar una idea del análisis de datos?
Puedes impulsar otros modelos. He escrito, por ejemplo, un algoritmo de refuerzo con modelos de regresión lineal muy simples como aprendices básicos, con algunos giros en los que no entraré, pero eso fue, por decir lo menos, datos muy interesantes. Ningún conjunto de datos es “típico”, pero ese era único .
He visto algunos modelos que funcionan solo con el espacio y el tiempo como predictores, y eran inherentemente funciones de poco más que espacio y tiempo. Todos esos modelos tuvieron en cuenta la autocorrelación espacial y temporal.