Python 如何使用机器学习解决时间序列问题_Python_Machine Learning_Time Series_Prediction

Python 如何使用机器学习解决时间序列问题

python machine-learning

Python 如何使用机器学习解决时间序列问题,python,machine-learning,time-series,prediction,Python,Machine Learning,Time Series,Prediction,您好，我有一个时间序列数据，基本上表现为锯齿状。在每个维护周期后，信号总是先升高后降低，直到发生维护，这将导致信号再次升高。我试图预测信号，看看如果我安排未来的维护，信号会发生什么变化我不熟悉时间序列，我不确定应该使用哪个模型来预测数据。我已经研究了互相关，但它似乎没有考虑任何会影响信号的事件，比如我的问题我只知道在每次维护事件之后会发生什么，并且信号在每个维护周期之后始终遵循类似的趋势，在那里信号会上升和下降。有什么建议吗？您正在寻找时间序列数据的ML模型。这是一个巨大的领域，但我会尝试

您好，我有一个时间序列数据，基本上表现为锯齿状。在每个维护周期后，信号总是先升高后降低，直到发生维护，这将导致信号再次升高。我试图预测信号，看看如果我安排未来的维护，信号会发生什么变化

我不熟悉时间序列，我不确定应该使用哪个模型来预测数据。我已经研究了互相关，但它似乎没有考虑任何会影响信号的事件，比如我的问题

我只知道在每次维护事件之后会发生什么，并且信号在每个维护周期之后始终遵循类似的趋势，在那里信号会上升和下降。有什么建议吗？

您正在寻找时间序列数据的ML模型。这是一个巨大的领域，但我会尝试写一些重要的注释：

尝试生成一个数据帧，其中每行是时间戳，每列是特征

现在，您可以使用几个不同的时间窗口生成滚动特性，例如滚动特性的平均值/标准值

分割数据以进行训练和测试-这是时间序列数据中非常棘手的部分。你应该非常小心。您必须按时间（而不是随机）分割数据，以便模拟您从过去学习并预测未来的真实世界。您必须验证您没有泄漏-例如，如果您使用“上周滚动平均值”作为功能，则必须验证您没有使用列车组的数据计算用于验证的信号

使用经典的ML方法训练基线模型-例如boosting树等

在接下来的步骤中，您可以改进基线，然后继续使用更高级的型号（LSTM等）

我不明白你说的功能是什么意思我不确定你的项目到底是什么，但让我们假设它是一个工业机器维护-一个功能可以是-在这个时间戳中生产的材料量，其他功能可以是在这个时间戳中消耗的电量。。。