手把手教你深度学习强大算法进行序列学习(附Python代码)

序列学习是近年来深度学习的热点之一。从推荐系统到语音识别再到自然语言处理，它的潜力似乎无穷无尽，推动着业界不断创新，涌现出前所未有的解决方案。

序列学习的实现形式多种多样，如机器学习域的马尔可夫模型、有向图等，深度学习域的RNNs/LSTMs等等。

在本文中，我们将使用一种尚不太为人所知的叫做紧致预测树（CompactPredictionTree，CPT)的算法来进行序列学习。这种方法简单得让人吃惊，并且比一些著名算法如马尔可夫、有向图等更为强大。

在深入阅读本文之前，我推荐你先读一读“你必读的序列模型（附用例）”一文，作者Tavish在这篇文章中介绍了序列模型及其典型用例和应用场景。

本文目录：

序列学习入门
紧致预测树算法(CPT)
理解CPT中的数据结构
用CPT进行训练和预测
训练阶段
预测阶段
建模与预测
序列学习入门

当我们需要预测一个事件之后