神经网络适用于数据（输入和输出）连续的监督式学习吗？
问题描述：
我工作回归模型用的一组158级的输入和玻璃制造项目，该项目是输入和输出的一个连续的过程的4个输出。神经网络的使用是否适合这种回归模型？如果是的话，我了解循环神经网络可以用于时间序列数据，我应该使用循环神经网络吗？如果NN的使用不合适，除线性回归和回归树以外，还有哪些其他类型的解决方案？神经网络适用于数据（输入和输出）连续的监督式学习吗？
答
神经网络确实适合于连续数据。事实上，它是由默认我想说的连续。确实可以有分立的I/O，这一切都取决于你的功能。其次，RNN适用于时间序列，的方式是。 RNN实际上适合时间步长比时间戳更多。 RNN正在通过迭代进行工作。通常，每次迭代都可以看作是向前迈出的一个固定步骤。这就是说，如果你的数据更像是(date, value)（我称之为时间戳），它可能不那么好。这不是绝对不可能的，但那不是主意。
希望它能帮助，入手简单RNN，尝试去了解它是如何工作的，那么，如果你需要更多，了解更复杂的细胞。