swift - 用于时间序列分析的 Core ML

Question

努力思考 CoreML 的功能。

假设我在时域上有大量数字，我想使用 CoreML 预测和查找模式。 (找到与时间和幅度相关的未知模式)

例如 - LSTM Network、Random Forest、Time Delay 等

Apple 文档中的大多数模型都与图像和文本有关。

我读过这个:

https://developer.apple.com/documentation/coreml/core_ml_api/making_predictions_with_a_sequence_of_inputs

这似乎不能满足我的需要。有没有这样的东西？是否还有适用于 iOS 的其他 Core 工具？

Answer 1

您可以通过两种方式处理时间序列:

1. 将时间序列视为静态事物，例如，每个月都包含一个包含 30 个数字(或 1000 个数字或您拥有的任何类型的数据)的输入向量。您根据该向量进行预测。

2. 使用 Apple 链接中的序列模型。这些模型(LSTM 等)跟踪状态，或多或少地记住它们过去看到的内容。

您需要使用哪一个取决于您要解决的实际问题。