时间戳

首页 > 解决方案 > 我们如何将时间序列数据转换为监督学习问题？

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？

标签： machine-learningtime-seriesfeature-extractionfeature-selection

解决方案

推荐阅读