machine-learning - 对来自多个站点的多元时间序列数据进行分类
问题描述
我正在尝试使用时间序列数据构建一个二进制分类器,并且有点坚持我是否走在正确的道路上。如果您只有一个站点的数据,这似乎相对简单,但是就我而言,我有来自多个站点的数据。我的数据的最小示例如下所示:
网站 1 | 0/1 类
- 时间步骤 1 | 特征 1 ... 特征 12
- 时间步骤 2 | 特征 1 ... 特征 12
- ...
- 时间 step12 | 功能 1 ... 功能 12
...
...
站点 n | 0/1 类
- 时间步骤 1 | 特征 1 ... 特征 12
- 时间步骤 2 | 特征 1 ... 特征 12
- ...
- 时间 step12 | 功能 1 ... 功能 12
如您所见,这是一个相对较短的时间序列,但如果需要,可以添加更多功能。虽然有很多网站的数据(比如说> 50000)。每个站点都带有一个二进制标签(1 或 0)。我想为这个用例构建一个分类器。我最初认为我会从每个站点的时间序列中提取特征并将其用于分类,但由于基础数据是时间序列数据,我真的很想捕获它。
所以我开始研究时间序列分类,但我看到的大多数示例都是针对单个站点分类的。这就引出了一个问题,这是否意味着我必须为每个站点训练一个分类器(超过 50000 个分类器)?
提前致谢!
解决方案
推荐阅读
- ansible - 如何使用ansible替换环境变量
- php - 为什么 carbon addMinutes 加法不好
- python - 在频率直方图上创建正态分布曲线
- selenium-webdriver - Yahoo Trending 上的 Selenium 自动化现在块不会引发此类元素异常
- android - 将数据从 android 发送到 arduino rx-tx USB
- spring-cloud - 使用 Spring Cloud Gateway 的通用服务路由规则
- angularjs - meanjs 应用程序未运行将节点 6 升级到节点 8
- python - 在 Keras 中使用 Conv1D 的形状错误
- memory - 虚拟索引物理标记和虚拟索引和虚拟标记分页有什么区别?
- c++ - Levenberg Marquardt 在校准 opencv