1
我有时间序列数据的分类问题。用时间序列实现在线学习
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。
因此,时间序列严格*根据以前的值预测下一个值*? –
假设我使用每个数据点的最后一类来训练RF,当我希望预测一个新的例子的类时,我输入了RF的哪些特征用于分类,其10个变量的测量的最小值,平均值和最大值,直到点? –
集合方法的想法是你不使用所有变量来创建单个模型,而是使多个模型起诉变量的几个小子集......所以当你有一些数据时,你的一些变量随时间波动由于噪音,多种模式的组合可以帮助您更准确地预测数值 – Gaurav