问题描述
给定 0-1 范围内的冗长整数序列，我希望能够预测下一个可能的整数。
示例数据集：
1 1 1 0 0 0 0 1 1 0 0 1 0 1 1 0 0 0 1 0 0 1 0 0 0 1 1 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 1 0 0 1 0 1 1 0 1 0 1 0 1 0 1 0 0 1 0 0 0 0 1 1 1 1 0 0 0 1 0 0 1 1 0 0 0 1 0 1 1 0 1 0 0 0 1 0 0 1 0 0 0 0 0 0 1 0
快速浏览上述内容可能会显示一些明显的模式，这些模式可能会被 ML 模型识别。
我确实在数据集中有其他特征可用，但我认为它们与整数结果无关，因此预测应完全基于所提供整数数据集的统计相关性。
我不确定如何使用 ML.NET 来解决这个问题。我之前已经成功地对模型进行了分类，但这些预测都是基于多个特征做出的。在这种情况下，如果我只提供 0 或 1，则没有相关的历史序列来帮助预测。
如何训练 ML.NET 模型以返回基于一系列先前数据的预测？
工作原理：上述数据集有 100 个整数。我可以创建一个具有 100 个属性 (Integer0..Integer99) 的类，并煞费苦心地映射每个字段并提交，但它看起来很笨拙。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）