机器学习-如何根据过去的特征预测一组固定的字段

Question

我有一个相当大的数据集(> 100 k行)，其中包含物流运输的信息。(出口货物)

数据集如下所示：

|shipper|consignee                    |origin|destination                                  |
|-------|-----------------------------|------|---------------------------------------------|
|6409292|288882                       |USSFO |CNPVG                                        |
|6409292|288882                       |USSFO |CNPVG                                        |
|6409292|182724                       |USSFO |HKHKG                                        |
|6409292|182724                       |USSFO |HKHKG                                        |
|8201922|948292                       |USSFO |FRCDG                                        |
|8201922|948292                       |USSFO |FRCDG                                        |
|8201922|948292                       |USSFO |FRNIC                                        |
|8201922|291222                       |USEWR |AEDXB                                        |

所以我们这里有一份过去货物的清单。它显示了托运人和收货人之间的关系，以及货物从何处运往何处。

根据过去的数据，我希望能够通过查看consignee code和origin来预测何时添加新的货件。

示例

以以下新订位为例：

|shipper|consignee                    |origin|destination                                  |
|-------|-----------------------------|------|---------------------------------------------|
|1234567|948292                       |USMOB |?                                            |

我如何训练一个模型来预测destination？在ML中这个区域指的是什么？

Answer 1

这是一个监督的分类问题:您试图根据某些分类特性(输入列)来预测目标(类)。我建议从一些简单的算法开始，比如决策树或朴素贝叶斯。

然而，我猜想物流运输可能会随着时间的推移而发展:也许托运人的业务会随着X国增长而随着Y国而减少等等。如果这是相关的话，也许有必要研究更先进的方法，这些方法可以考虑到时间序列的演变(时间序列)。