基于之前结果的数据库，时间序列二元预测的最佳AI算法是什么？面对众多算法，我希望得到建议，寻找一种最佳算法，能够训练自己预测一个不完整的“实时”数据集中的下一个二元数，基于一个“数据集”数据库。

之前记录并存储的示例数据集

Binary Data Set 1  100**110111**0010111000111010101Binary Data Set 2  0110010001101110110**110111**000Binary Data Set 3  0010110010**110111**1001011011011000

在每个数据集中，我们发现了模式110111和下一个事件

Set 1 -  110111  下一个事件是  0Set 2 -  110111  下一个事件是  0Set 3 -  110111  下一个事件是  1

在2个数据集中，下一个事件是0，在1个数据集中，下一个事件是1。所以在我们这个非常小的例子中……如果这个模式出现，我们会预测0，因为它出现的频率是66%。但算法会训练自己做出这个决定。

实时 – 在实时情况下，二元事件每秒钟出现一次。我们已经接收到以下不完整的数据，并希望预测接下来会是什么 1000010000110111 哪种算法最适合预测接下来会是什么？

感谢您的任何帮助！！

回答：

循环神经网络，尤其是LSTM（长短期记忆）网络被用于时间序列预测。在您的情况下，数据相当简单，可以轻松建模。请看这篇LSTM网络的魔力