我正在使用python对数据进行建模。有人能帮我为一个案例选择正确的算法吗。
比方说，如果我想用混合运算集来预测运算的顺序。在过去，可能的序列有不同的组合，它们是不同的，因为还有其他异常值效应会改变这个序列。
对于每一个过程(有一百多个过程)，我都有将近30-40个操作作为一个混合集。对于所有的过程，我都有这些操作的过去数据和它们的序列号。我堆栈的点，操作没有永久的顺序，它是由"进程特定的操作集"改变的。
示例数据：
过程1：过去的数据1:[123245,6590078456，…，45893]
过程1：过去的数据2:[123,6590024545678，…，45893]
[p.s.数组中的数字是操作代码]
我认为，我需要使用无监督学习来预测新操作集的序列。但我不知道我应该遵循哪种算法和什么样的路线图。
有什么帮助吗？
首先，你的问题措辞拙劣，不清楚你想预测什么：你想预测序列开头的其余部分吗？或者，给定一堆序列，你想从头开始生成一个最有可能的序列吗？
在任何情况下，由于您有实际数据序列的示例，它们可以用作训练样本，因此与无监督学习方法相比，监督学习方法将使您受益更多。你可以试着这样建模你的问题：给定一个输入序列X1，X2。。。，Xn，下面最有可能的元素是什么，Xn+1？
这是一个有趣且富有挑战性的问题。在我的脑海中，这似乎类似于一段话中的单词预测，这是一个由word2Vec解决的问题。然而，我假设任何给定变量的可能值的范围都较小，所以你可能会发现这很有趣——这是对RNN序列预测的介绍。