Ciao a tutti, sono nuovo di questo mondo e sono un paio di settimane che sto studiando , per la programmazione in python, dei vari framework, logiche, approci da applicare. Arrivo al dunque spiegando il mio quesito: Ho una tabella chiamata Dati con i seguenti campi: • Scadenza : Date > X • Portaf : String > X • Tipo_CR : String > X • Lag : String > X • Tipo_Doc : String > X • Tipo_FF : String > X • Perc : Decimal > X • Factor : String > X • Netto_Split : Decimal > X • Importo1 : Decimal > X • Importo2 : Decimal > X • Data_Invio : Date > Y Da Scadenza a Importo2 sono campi che vanno in X come input e il campo Data_Invio va in Y come output. Essendo Data_Invio un campo ti tipo Date, lo converto in Booleano ( Target ) , se il campo è valorizzato allora il record è selezionato ( 1 ) altrimenti non è selezionato ( 0 ) . Fornendo un set di dati input, a seguito dell'apprendimento della tabella, mi dovrà predire quali record verranno selezionati o no Converto i campi di tipo Date in timestamp e i campi di tipo string con OneHotEncoder, ottendendo il seguente output: Sto usando tensorflow e sklearn. Il dataset a disposizione e di circa 3M di record, durante l'addestramento, già al secondo Epoch, ottengo un accuracy di 1 che mi sembra molto strano. Questa è parte del codice che ho scritto , nella funzione train_model ho settato un Sequential 128, 64, 1 e settando il fit con batch_size=32, validation_split=0.2, Purtroppo la predizione non è vera, in quanto i parametri usati in input per il test sono relativi a dati realmente selezionati. Quindi tempo di aver sbagliato qualcosa nell'approccio ( considerato la tipologia dei dati a disposizione ) o nella configurazione della NN . Qualcuno mi saprebbe fornire un supporto in merito? Grazie mille a tutti.

Sono un Programmatore industriale, e sono qui per chiedere aiuto. Non ho molta esperienza nel settore IA, ma ho visto qualcosina sul deep learning in Python. Andiamo al dunque. C'è un Sistema chiuso, che genera un set di numeri esadecimali, 12 byte, in una sequenza temporale di ogni 180 secondi. Io e il mio Team avremmo bisogno di prevedere la sequenza successiva, analizzando le sequenze precedenti. Ma sappiamo che è impossibile. Ma noi abbiamo trovato una "sorta" di logica. Supponiamo di prendere le ultime 140 sequenze escludendo l'ultima conosciuta Ora, selezioniamo tutte le sequenze dove non è presente neanche un numero appartenente all'ultima sequenza. Ora, da queste sequenze selezionate, raccogliamo una distinta dei valori presenti presi una sola volta. Otterremo quindi un insieme considerevolmente grande di numeri da scartare dall'insieme totale dei numeri possibili nella nuova sequenza, ovvero da 0 a 255. In altre parole, otteniamo un insieme ridotto di valori possibili. Ed è davvero ridotto, secondo in nostri elaborati. Questa analisi è ripetibile su tutto lo storico che sbbiamo accumulato in 2 anni. Ora, quello che vorremmo realizzare è uno script in grado di imparare dalle sequenze numeriche, indicando quali di queste è da scartare e quali no, immagino abbinando ad ogni array di insiemi di 12 valori un secondo array di 140 booleani, così da imparare a riconoscere o a creare un modello tale da prevedere la sequenza di booleani datoun array di 140 insiemi di 12 valori. Pensate che si possa realizzare? Se si, come?