Machine learning 如何将时间序列数据转化为有监督学习问题?
我正在为机器学习模型准备数据。我想将时间序列数据作为正常的监督学习预测来处理。比如说,我有一个关于汽车速度的数据,我有几个汽车模型,比如Machine learning 如何将时间序列数据转化为有监督学习问题?,machine-learning,time-series,feature-extraction,feature-selection,Machine Learning,Time Series,Feature Extraction,Feature Selection,我正在为机器学习模型准备数据。我想将时间序列数据作为正常的监督学习预测来处理。比如说,我有一个关于汽车速度的数据,我有几个汽车模型,比如 +-----+---------+-------------+ | day | Model | Speed | +-----+---------+-------------+ | 1 | Bentley | 20.47 km/h | | 2 | Bentley | 32.22 km/h | | 3 | Bentley | 23.
+-----+---------+-------------+
| day | Model | Speed |
+-----+---------+-------------+
| 1 | Bentley | 20.47 km/h |
| 2 | Bentley | 32.22 km/h |
| 3 | Bentley | 23.11 km/h |
| 1 | BMW | 37.60 km/h |
| 2 | BMW | 27.90 km/h |
| 3 | BMW | 40.47 km/h |
因此,我想在培训中处理几个汽车模型,以便我的机器学习模型能够预测宾利和宝马的速度
我已将训练数据转换为如下所示:
+---------+------------+------------+-------------------+
| Model | day_1 | day_2 | label == day_3 |
+---------+------------+------------+-------------------+
| Bentley | 20.47 km/h | 32.22 km/h | 23.11 km/h |
| BMW | 37.60 km/h | 27.90 km/h | 40.47 km/h |
+---------+------------+------------+-------------------+
这是正确的方法吗 你能补充一点背景信息吗:部署情况如何,你是否从新车制造商那里获得了头两天的数据,并希望预测第3天的速度?每个汽车制造商有多少个车速测量值?您还有其他可用变量吗?@mling是的,我想预测第二天的速度,我有第1天和第2天,我应该预测第3天的速度。之后,我应该使用第1天、第2天、第3天预测第4天。我还有10个其他变量,所以你们有多变量时间序列,你们不愿意使用ARIMA,但你们所说的“正常监督学习预测”到底是什么意思?有基于神经网络的解决方案,如AR网络和LSTNet,但不使用ARIMA等传统方法的目的是什么?您能否再添加一点背景信息:部署情况如何,您是否从新车制造商处获得前两天的数据,并希望预测第3天的速度?每个汽车制造商有多少个车速测量值?您还有其他可用变量吗?@mling是的,我想预测第二天的速度,我有第1天和第2天,我应该预测第3天的速度。之后,我应该使用第1天、第2天、第3天预测第4天。我还有10个其他变量,所以你们有多变量时间序列,你们不愿意使用ARIMA,但你们所说的“正常监督学习预测”到底是什么意思?有基于神经网络的解决方案,如AR网络和LSTNet,但不使用ARIMA等传统方法的目的是什么?