Machine learning 利用时间序列数据预测事件的发生

我有一个月的传感器数据。数据是时间序列，每个数据点之间间隔1秒。这些传感器记录了温度、压力、风扇转速等预测器。 根据这些值记录事件。因此，如果发动机正常工作，则事件=0，否则事件=1，此事件持续相当长的时间，比如说10分钟，然后再次恢复正常

---

我试图根据预测值预测下一个事件的发生。我尝试了Cox比例风险模型，但是生存曲线并不准确。也尝试了随机森林，但是模型结果不是很好。模型精度始终为100%

生存分析可以用于时间序列数据吗？ 聚类有帮助吗？

“我试图根据预测值预测下一个事件的发生。”。嗯，看起来集群不是你想要的。搜索线性回归或时间序列回归方法。这里有一个简单的介绍：还有一个更具学术性的材料：。希望能有所帮助。

“我试图根据预测值预测下一个事件的发生。”。嗯，看起来集群不是你想要的。搜索线性回归或时间序列回归方法。这里有一个简单的介绍：还有一个更具学术性的材料：。希望能有帮助