我刚刚开始使用机器学习学习模型，如线，岭回归，感知器，逻辑回归，梯度下降，我不知道如何使用这些模型来解决这个建模问题？任何人都可以向我提供使用内容的提示吗？由于问题的周期性，我倾向于搜索时间序列，然而这似乎是一个过度的原因，在我的课堂上还没有探索过这个主题。
对于这些特征，我倾向于检查潮汐大小，沿海长度和月相。我也认为，由于数据的粒度最多是每小时一次，我们应该每天学习而不是每月学习（数据大小不是太大），我们可以收集更好的洞察力。
考虑每天和每月周期预测给定位置的潮汐的问题。还假设您可以访问10年期间的每小时数据。定义并讨论如何为此问题建模：将考虑哪些功能？系统怎么学习？我们应该分别学习每日和每月周期吗？
你想学什么” ？我认为你可以使用一些距离函数并尝试一些统计分类，如K-Means，然后预测在你的集群上使用KNN
您想根据某个地点的时间预测潮汐（高/低）吗？
我会首先使用像月相这样的功能（你可以为每个阶段定义一个热门编码的特征向量），时间特征（每小时一次热门编码（或者你想要的任何离散化））;也许是海岸的长度;连接所有这些功能（阶段，时间，海岸线len）以制作特征向量
现在，如果您想使用数据集预测高/低潮：由于这是周期性的，我将使用复杂的非线性模型，如随机森林或可能梯度提升决策树，它将有能力学习这种周期性。