编辑：

Question

我正在使用python进行AI项目，该项目根据用户的输入填充0和1的数组，并根据0和1的序列预测下一个输入。有没有什么方法可以在这样的数组中使用随机输入找到一个模式，用户输入100或甚至200个输入的准确度是多少呢？

编辑：

建议我添加一些代码。我对主文件做了很多工作：

print("Welcome AI Project V:0.1a\n")

username = ""

with open("./user.txt", "r+") as f:
    name = f.readline()
    name.rstrip('\n')
    if (name != ""):
        username = name
    else:
        name = input("Look's like you're new! What's your name?\n")
        f.write(name)
        username = name

    f.close()

feeling = input("Hello {0}! How are you today?\n".format(username))
with open("./feeling.neuron", "w") as file:
    file.write(changeTo0or1(feeling))


def changeTo0or1(string):
    # Will ask user whether feeling is good or bad but I feel it's easier to work with a file of 0's and 1's as it means there are only 2 possible outputs

Answer 1

如果我理解正确的话，你会根据他或她以前的情绪来预测一个人是好还是坏。并且你想将它转换为1s（好）和0s（坏）的字符串，因为输入总是二进制的。

user_mood_history = '000001100000110010011'

例如，如果您的用户具有上面变量user_mood_history中显示的输入历史记录，那么您正在尝试预测下一个输入或日期的情绪。如果我看一下这个字符串，如果我们在星期一开始并且每天都得到输入，那么这个人在周末很开心并且在一周内非常不开心。

我知道一般情况不是这么清楚，但我们现在说这是暂时的。

如果你想在第二天预测用户的心情，这可能很难从一个二进制字符串，你可以使用某种机器学习算法，但要小心，似乎你有一点点数据点（输入）。因此，使用合适的机器学习算法。

一些想法：

从sklean LR
隐马尔可夫模型
递归神经网络（虽然由于缺乏数据我不建议）
ARIMA（自动回归综合移动平均线，对于手头的简单任务来说也可能过于复杂）
随机森林分类器（请查看sklearn页面）
如果你是一位更高级的程序员，或许可以看一下Prophet，Facebook的新时间序列建模算法。 Prophet Github

Python - 通过0和1

编辑：

1 个答案: