Machine learning 几个属性中的时间序列
给定可能包含一个或多个值的实验室测试数据的时间序列,是否有任何方法可以使用几个属性捕获测试数据的动态 例如,如果我有一个时间值列表[0.3,0.5,0.4,0.7],我可以使用一些固定数量的属性来基本表示时间序列数据中的变化吗Machine learning 几个属性中的时间序列,machine-learning,time-series,feature-extraction,Machine Learning,Time Series,Feature Extraction,给定可能包含一个或多个值的实验室测试数据的时间序列,是否有任何方法可以使用几个属性捕获测试数据的动态 例如,如果我有一个时间值列表[0.3,0.5,0.4,0.7],我可以使用一些固定数量的属性来基本表示时间序列数据中的变化吗 现在,我只使用平均值,但它肯定不足以捕获,例如增加或减少。如有任何建议,将不胜感激
现在,我只使用平均值,但它肯定不足以捕获,例如增加或减少。如有任何建议,将不胜感激如果你只对局部平均值和局部差异感兴趣,考虑Haar小波变换。但是,如果不知道您的目标以及“捕获动态”的含义,很难说哪种转换最适合您的目的。例如,动态指的是值不断下降、增加或摆动。如果某项医学测试与某一疾病相关,则称为实验室测试,且高值表示患有该疾病的患者状况不佳。然后,如果我可以将一系列数据总结成几个属性并保持趋势,那么我仍然可以通过查看新的特征来了解患者的状况。因此,基本上,数据的瞬间,例如导数?@sunside是的,这是我需要的一件事。我基本上不知道如何将列表归纳为哪些属性