machine-learning - 我们如何将时间序列数据转换为监督学习问题?
问题描述
我正在为机器学习模型准备数据。我想将时间序列数据作为正常的监督学习预测来处理。假设我有一个汽车速度数据,并且我有几个汽车模型,例如
+-----+---------+-------------+
| day | Model | Speed |
+-----+---------+-------------+
| 1 | Bentley | 20.47 km/h |
| 2 | Bentley | 32.22 km/h |
| 3 | Bentley | 23.11 km/h |
| 1 | BMW | 37.60 km/h |
| 2 | BMW | 27.90 km/h |
| 3 | BMW | 40.47 km/h |
所以我想在训练中处理几个汽车模型,以便我的机器学习模型可以预测 Bentley 和 BMW 的速度。
我已经将数据转换为这样的训练:
+---------+------------+------------+-------------------+
| Model | day_1 | day_2 | label == day_3 |
+---------+------------+------------+-------------------+
| Bentley | 20.47 km/h | 32.22 km/h | 23.11 km/h |
| BMW | 37.60 km/h | 27.90 km/h | 40.47 km/h |
+---------+------------+------------+-------------------+
这是一个正确的方法吗?
解决方案
推荐阅读
- reactjs - SignalR 和 React - 由于底层连接被关闭而取消调用
- javascript - 在不同的项目 NPM 命令中克隆 Git 后出错
- postgresql - 本地版本的 postgres 外部数据包装器会自动更新吗?
- asp.net - 鼠标光标未更改为asp.net中href上的指针
- python - 计算由 scipy 的 Delaunay 函数生成的四面体网格的雅可比行列式
- javascript - Firebase Firestore - 创建快照事件侦听器是否会花费过多的下载?
- r - dplyr 中的条件求和(例如“引用另一行中刚刚更新的值” - 就像在 Excel 中一样)
- python - sklearn.utils 模块未找到
- c# - 在 JsonDeserializer 中正确跳过父级
- python - 在 'r+' 中截断文件使整个文件变成矩形