La respuesta a esto depende en parte de qué variables explicativas (también conocidas como características, en terminología de aprendizaje automático) desea utilizar en su análisis.
Si solo desea usar el tiempo como una variable independiente, debe usar modelos de series temporales para la predicción de pasajes aéreos; algunos ejemplos de estos son ARIMA, GARCH, etc., o también puede usar modelos secuenciales de Machine Learning como LSTM, que son conocidos por funciona bien para las predicciones de series de tiempo (puede leer más sobre estos modelos y cómo tomar decisiones sobre qué modelos usar usted mismo, eso está más allá del alcance de esta pregunta).
Si desea incluir variables como el tamaño del vuelo, la distancia que cubrirá, si se trata de un vuelo nacional o internacional, si se ofrecen alimentos, la reputación del vuelo, etc., entonces puede usar -modelos de aprendizaje automático secuenciales, como la regresión lineal, la regresión del núcleo, los bosques aleatorios, etc. También podría ser útil hacer algunos grupos para ver si la regresión de Vecinos cercanos más cercanos sería un enfoque viable (los grupos bien definidos indicarían que k- NN podría ser un gran enfoque).
- ¿Por qué los desarrolladores front-end necesitan conocer estructuras de datos y algoritmos?
- ¿Cuál es la diferencia entre tener un buen algoritmo y no tener uno?
- ¿Puede alguien sin antecedentes de cálculo aprender estructuras de datos y algoritmos leyendo CLRS?
- ¿Cuál es la lista de MOOC que uno debe mirar en su licenciatura para aprender estructuras y algoritmos de datos C, C ++?
- ¿Cuáles son los beneficios de los algoritmos? No los encuentro importantes.
También podría usar un conjunto de enfoques de series de tiempo y los modelos de aprendizaje automático basados en regresión (no secuenciales).
