Machine learning 基于机器学习的传感器破损检测

我是机器学习新手

我有一个巨大的气象站传感器数据数据库。这些传感器可能损坏或具有奇数值。损坏的传感器会影响正在使用该数据进行的计算

目标是使用机器学习来检测新传感器值是否为奇数，如果是，则将其标记为已损坏。如前所述，我是ML的新手。有人能把我推向正确的方向或给我的方法提供反馈吗

数据有一个datetime和一个值。传感器值每小时推送一次

---

我感谢任何帮助

由于这个问题本质上相当笼统，我将提供一些基本想法。也许你对他们已经有点熟悉了

设置一个包含损坏传感器和良好传感器的数据集。这是因变量。有了这个集合，你就有了一些可以预测Y变量的变量。我们叫他们X

你训练一个模型来学习X和Y之间的关系

你可以根据你不知道结果的X值来预测Y值

以下是一些关于基础知识的有用见解：

---

祝你好运

您可以使用隔离林来检测异常读数。 Twitter开发了一种称为ESD（极端学生化偏差）的算法，该算法也很有用。

然而，需要良好的EDA（探索性数据分析）来定义由于传感器故障而在读数中发现的异常类型

1） 一种趋势，其值突然增加，同时保持增加或减少

2） 与其他传感器相比，该值逐渐增加，并突然非常高地增加

---

3） 数据中的间歇性峰值

感谢您的想法。关于哪种模式最适合这种情况，你有什么想法吗？老实说，目前还没有办法确定。但是，由于拟合、实例化和预测在几个模型中都是一样的，所以切换的工作量非常小。我会尝试支持向量机，随机森林和逻辑回归。如果我的回答有帮助，请接受我的回答。谢谢非常感谢你，我的朋友！