Cześć, przychodzę do Was dzisiaj z problemem natury filozoficznej. Piszę pracę o przewidywaniu przyszłej wartości produktu na danym rynku. Chcę żeby na podstawie przeszłych wartości ceny danego produktu oraz danych, które mają wpływ na ten rynek program szacował mi przyszłą wartość produktu. Pomyślałem sobie, że najlepszym sposobem będzie użycie do tego celu algorytmu regresji. Problem pojawia się w tym, że w bibliotece ML.NET znajdują się dwie formy takiego rozwiązania: regresja z użyciem predykcji i tzw. forecasting. Co do tego pierwszego to problem pojawia się w tym, że po utworzeniu modelu, przetrenowaniu i poprawianiu skuteczności, aby program mi przewidywał muszę podać dane, które wpływają na rynek, zatem szacowanie odbywa się dopiero po podaniu danych. Zatem w finalnej pracy program powinien posiadać dane wpływające na rynek żeby wg przewidział wartość - bardziej wydaje mi się, że ten algorytm będzie przydatny do szacowania ceny produktu na podstawie parametrów niż przewidywanie przyszłej ceny. Natomiast drugie rozwiązanie (forecasting) to przewiduje na podstawie jednego ciągu danych czyli w moim przypadku byłoby to tylko ceny produktu. Czyli program posiadając historyczne dane ceny potrafi przewidywać przyszłą wartość.
Natomiast mi rozchodzi się o to, aby program posiadając historyczne dane ceny oraz historyczne dane czynników wpływających na rynek tego produktu potrafił przewidzieć przyszłą wartość produktu. Czy jest możliwe takie coś zrobić, a jeśli tak to jakie narzędzie użyć w sensie w bibliotece ml.net?