Einfache maschinelle Lernfrage. Wahrscheinlich zahlreiche Möglichkeiten, dies zu lösen:

Da ist einunendlich Stream von 4 möglichen Events:

'event_1', 'event_2', 'event_4', 'event_4'

Die Ereignisse kommen nicht in völlig zufälliger Reihenfolge. Wir gehen davon aus, dass die Reihenfolge, in der die meisten Ereignisse eintreten, einige komplexe Muster aufweist und die übrigen Ereignisse nur zufällig sind. Wir kennen die Muster jedoch nicht im Voraus.

Nachdem jedes Ereignis eingegangen ist, möchte ich anhand der Reihenfolge, in der Ereignisse in der Vergangenheit eingegangen sind, vorhersagen, wie das nächste Ereignis aussehen wird. Meine Frage lautet also:Welchen Algorithmus für maschinelles Lernen sollte ich für diesen Prädiktor verwenden?

Dem Prädiktor wird dann mitgeteilt, was das nächste Ereignis tatsächlich war:

Predictor=new_predictor()

prev_event=False
while True:
    event=get_event()
    if prev_event is not False:
        Predictor.last_event_was(prev_event)
    predicted_event=Predictor.predict_next_event(event)

Es stellt sich die Frage, wie lange eine Geschichte bestehen bleiben soll, da die Aufrechterhaltung einer unendlichen Geschichte nicht möglich ist. Ich überlasse es Ihnen, zu antworten. Die Antwort kann jedoch aus praktischen Gründen nicht unendlich sein.

Ich glaube also, dass die Vorhersagen mit einer Art rollender Geschichte gemacht werden müssen. Das Hinzufügen eines neuen Ereignisses und das Ablaufen eines alten Ereignisses sollten daher recht effizient sein und nicht zum Beispiel die Neuerstellung des gesamten Vorhersagemodells erfordern.

Spezifischer Code anstelle von Forschungsarbeiten würde für mich hinzufügenimmenser Wert auf Ihre Antworten. Python- oder C-Bibliotheken sind nett, aber alles wird funktionieren.

Aktualisieren: Und was ist, wenn in jeder Runde mehr als ein Ereignis gleichzeitig stattfinden kann? Ändert das die Lösung?