使用时间序列数据预测事件的发生

Question

我有数据来自传感器1个月。数据是时间序列，每个数据点间隔1秒。有预测指标，如温度，压力，这些传感器记录的风扇速度。 根据事件被记录的这些值。因此，如果引擎正常工作，那么事件= 0，否则事件= 1，并且此事件持续相当长的时间，例如接下来的10分钟，然后又恢复正常。

我试图预测下一个事件基础预测变量值的发生。我试过Cox比例风险模型，但生存曲线不准确。也尝试过随机森林，但模型结果并不好。模型精度始终保持在100％。

生存分析可用于时间序列数据吗？ 群集帮助吗？

Answer 1

“我试图预测下一个事件基础的预测值的发生率”。那么，集群似乎不是你想要的。搜索线性回归或时间序列回归方法。这里简单介绍一下：http://onlinestatbook.com/2/regression/intro.html和更多的学术资料在这里：http://unstats.un.org/unsd/hhsurveys/finalpublication/ch19fin3.pdf。希望能帮助到你。