用时间序列实现在线学习

Question

我有时间序列数据的分类问题。

每个示例具有被以不规则的间隔测量，并且在结束时的对象被分类为2个可能的类（二元分类）的1 10个变量。

我只有最后一类的例子，从训练中学习。但是，当给出一个新的例子，我想在每个时间戳（以在线方式）进行预测。所以，如果新的例子有25次测量，我想对它的类别做25次预测;每个时间戳一个。

我实现这个目前是使用最小的方式，意味着其10个变量，直到该点的测量值的最大值作为特征进行分类。这是最佳吗？什么会是更好的方法。

Answer 1

如果你有在每个时间戳进行预测，那么这不会成为AA时间序列问题（除非你打算使用以前的观测序列，使你的下一个预测，在这种情况下，你需要训练基于序列的模型）。假设你只能根据你观察到的最终数据训练一个模型，可以有很多方法，但是我建议你在每棵树中使用具有大量树木和3或4个变量的随机森林。这种方式即使有些变量不能给你想要的输入，其他树仍然可以做出相当准确的预测。除此之外，还有许多合奏方法。

目前工作可能是一个非常松散的逼近和现实，但并没有太大的统计意义的方式。