我刚开始学习机器学习模型，比如直线，岭回归，感知器，逻辑回归，梯度下降，我不知道这些模型怎么能用来解决这个建模问题？有人能告诉我该用什么吗？由于问题的周期性，我倾向于搜索时间序列，但这似乎是一个过度杀戮的原因，这个主题还没有在我的课上探索过。
对于这些特征，我倾向于检查潮汐大小、海岸长度和月相。我还认为，由于数据的粒度最多是每小时一次，所以我们应该每天学习而不是每月学习（数据大小不是太大），我们可以收集到更好的见解。
考虑一个给定位置的潮汐预报问题
每月一次还假设您可以访问10个周期内的每小时数据
年。定义并讨论如何建模这个问题：哪些特性
考虑过的？系统如何学习我们应该学习每日和每月
单独循环？
最佳答案
你想学什么我认为你可以使用一些距离函数，尝试一些统计分类，比如k-均值，然后在你的聚类上使用knn进行预测
关于algorithm - 为潮汐预测器建模，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/55153132/