python - 如何对传感器数据进行实时回归?
问题描述
我制作了一个使用 python 获取传感器数据的 WSN。我制作了一个机器学习模型,可以进行非实时分类。有什么方法可以对传入的传感器数据执行实时机器学习预测...
解决方案
由于您的模型已经预先训练,您可能只使用时间迭代器,也可能使用迁移学习,然后评估模型。不确定如何执行此操作,但这里有一些伪代码:
model
For seconds in timeperiod of interest:
testdata = newdata.test
train data = newdata.train
Y = newdata labels
freeze the first 6 layers of the model
model.fit(traindata, Y, ...)
model.evaluate(testdata , Y)
实时机器学习仍然是一个相当新的领域。NSF 刚刚获得了 1000 万美元的资助,用于该领域的研究,截止日期已于去年结束。
希望这可以帮助!
推荐阅读
- ruby-on-rails - 将临时(非 DB)模型与 simple_form 相关联
- php - PHP Sql Server PDOException:找不到驱动程序
- docker - 在 Arch Linux 上无法访问 Docker
- birt - 无法将 BIRT 报告导出为 PDF。错误:+ org.eclipse.birt.report.service.api.ReportServiceException
- security - 安全 sonarwhal 传递 adsbygoogle.js 使用
- java - 使用 Java/Jsoup 进行网页抓取
- apache - Mamp 许多 httpd
- asp.net - Asp.net MVC 自定义客户端验证未显示在屏幕上
- angular - 在 Angular 6 中接收 ZoneAwarePromise 而不是常规的 Promise
- c++ - 模板参数之间的 C++ 比较似乎被忽略了