Keras 如何预测 11106 个不同客户的（单独）销售序列，每个客户都有一系列不同的长度（从 1 到 15 个周期）
How can Keras predict sequences of sales (individually) of 11106 distinct customers, each a series of varying length (anyway from 1 to 15 periods)
我正在处理一个问题，Keras 必须为其提供出色的解决方案，但我在开发一种方法时遇到了问题（因为我是深度学习方面的新手）。我有销售数据。它包含 11106 个不同的客户，每个客户都有其不同长度的购买时间序列（从 1 到 15 个周期）。
我想开发一个模型来预测每个客户下一时期的购买量。我喜欢 LSTM 的想法，但很明显，我不能为每个客户都做一个；即使我尝试了，无论如何也没有足够的数据用于 LSTM——最长的单个时间序列只有 15 个周期。
我过去使用过各种类型的马尔可夫链、聚类和回归来对此类数据建模。不过，我在这里问的是 Keras 中哪种类型的模型适合这种类型的预测。一个复杂的问题是所有客户都可以按其总体模式进行聚类。有些基于相似性属于一起；其他人没有；例如，一些客户的消费模式为 $100-$100-$100，其他客户的消费模式为 $100-$100-$1000-$10000，依此类推。
任何人都可以指出 Keras 支持的一种顺序模型，它可以很好地处理这个问题吗？谢谢。
我正试图在 R 中实现这一点。一直无法构建一个给我超过 0.3 精度的模型。
您好，这是我的建议，稍后我会对其进行编辑，以便为您提供更多信息
由于它是一个序列问题，您应该使用基于 RNN 的模型：LSTM、GRU 的
我认为主要困难不在于使用哪种模型，而在于如何构建问题。
正如您提到的，“WHO”花钱似乎与他们过去的交易一样重要，因为他们知道他们可能会花多少钱。
但是你也不能为每个客户训练 10k+ 个模型。
相反，我建议对您的客户群进行聚类，而不是尝试按集群拟合模型，使用该集群中客户的所有时间序列组合来训练相同的模型。
这将允许每个模型了解该特定群体的消费模式。
为此，您可以使用 LTSM 或 RNN 模型。
我正在处理一个问题，Keras 必须为其提供出色的解决方案，但我在开发一种方法时遇到了问题（因为我是深度学习方面的新手）。我有销售数据。它包含 11106 个不同的客户，每个客户都有其不同长度的购买时间序列（从 1 到 15 个周期）。
我想开发一个模型来预测每个客户下一时期的购买量。我喜欢 LSTM 的想法，但很明显，我不能为每个客户都做一个；即使我尝试了，无论如何也没有足够的数据用于 LSTM——最长的单个时间序列只有 15 个周期。
我过去使用过各种类型的马尔可夫链、聚类和回归来对此类数据建模。不过，我在这里问的是 Keras 中哪种类型的模型适合这种类型的预测。一个复杂的问题是所有客户都可以按其总体模式进行聚类。有些基于相似性属于一起；其他人没有；例如，一些客户的消费模式为 $100-$100-$100，其他客户的消费模式为 $100-$100-$1000-$10000，依此类推。
任何人都可以指出 Keras 支持的一种顺序模型，它可以很好地处理这个问题吗？谢谢。
我正试图在 R 中实现这一点。一直无法构建一个给我超过 0.3 精度的模型。
您好，这是我的建议，稍后我会对其进行编辑，以便为您提供更多信息
由于它是一个序列问题，您应该使用基于 RNN 的模型：LSTM、GRU 的
我认为主要困难不在于使用哪种模型，而在于如何构建问题。
正如您提到的，“WHO”花钱似乎与他们过去的交易一样重要，因为他们知道他们可能会花多少钱。 但是你也不能为每个客户训练 10k+ 个模型。
相反，我建议对您的客户群进行聚类，而不是尝试按集群拟合模型，使用该集群中客户的所有时间序列组合来训练相同的模型。
这将允许每个模型了解该特定群体的消费模式。 为此，您可以使用 LTSM 或 RNN 模型。