Python 无监督学习:离散时间序列上的异常检测
我正在一个未标记的数据集上进行最后一年的项目,该数据集由风力涡轮机内部多个组件的振动数据组成 数据集: 我有来自4个风力涡轮机的数据,每个涡轮机的间隔41510秒 关于10秒间隔数据:Python 无监督学习:离散时间序列上的异常检测,python,machine-learning,signal-processing,fft,unsupervised-learning,Python,Machine Learning,Signal Processing,Fft,Unsupervised Learning,我正在一个未标记的数据集上进行最后一年的项目,该数据集由风力涡轮机内部多个组件的振动数据组成 数据集: 我有来自4个风力涡轮机的数据,每个涡轮机的间隔41510秒 关于10秒间隔数据: 415个10秒间隔中的每个间隔包括发电机、齿轮箱等的振动数据(共14个特征) 振动数据(14个特征)的分辨率为25.6kHz(每个间隔262144行) 这10秒每天记录一次,在不同的时间=>一年多一点的数据 数据帧的头部,具有以下一些功能: 计划: 我目前的计划是 针对415个间隔中的每个间隔,从时域对每个
- 415个10秒间隔中的每个间隔包括发电机、齿轮箱等的振动数据(共14个特征)
- 振动数据(14个特征)的分辨率为25.6kHz(每个间隔262144行)
- 这10秒每天记录一次,在不同的时间=>一年多一点的数据