时间序列中的分类模式

Question

我正在处理时间序列数据中的重复模式。 我的目标是将每个模式归类为 1，任何不遵循该模式的都归为 0。该模式在每两个峰值之间重复，如下图所示。

这些模式的样本量不一定是固定的，而是保持在近似的样本量内，比如 500 个样本 +-10%。 峰的高度可以改变。 随机信号（我称之为随机，但基本上它意味着不遵循模式形状）也可以改变值。

数据来自传感器。 模式是设备运行顺利的时候。 如果设备出现故障，那么我将看不到这些模式，并且会得到类似于我在图像中显示的 0 类的东西。

到目前为止，我所做的是构建逻辑回归模型。 以下是我的数据准备步骤：

1. 在每两个连续峰值之间抓取数据，将其重新采样为 100 个样本的固定大小，将数据缩放为 [0-1]。 这是1级。

2. 对山谷之间的数据重复步骤 1，并将其称为 0 类。

3. 我产生了一些噪音，并在 500 个样本块上重复步骤 1 以构建额外的 0 类数据。

下图显示了我对测试数据集的预测。 对噪声块的预测不是很好。 我担心在真实数据中我可能会得到更多误报。 关于如何改进我的预测的任何想法？ 当没有可用的 0 类数据时，有什么更好的方法吗？

我在这里看到过类似的问题。 我对隐马尔可夫模型的理解是有限的，但我相信它用于预测未来的数据。 我的目标是在我的数据中对 500 个样本的滑动窗口进行分类。

Answer 1

我有一些建议，你可以试试。 首先，我认为在这个领域经常使用循环神经网络（例如 LSTM）。 但我也听说有些人也使用基于树的方法，例如 light gbm（我认为 Aileen Nielsen 使用这种方法）。

因此，如果您不想深入研究神经网络，这可能没有必要，因为您的信号似乎相对容易区分，您可以给 light gbm（或其他树集成方法）一个机会。

如果您知道正样本的最大长度，则可以定义成为输入向量的“滑动样本窗口”的长度（因此滑动窗口中的每个样本都成为一个输入特征），然后我会添加一个额外的属性最后一个峰值出现时的样本数（样本窗口之外/之前）。 然后，您可以检查让窗口在数据上滑动的步骤数。 这也取决于您可用于此的内存。 但也许明智的做法是跳过正负变化之间的一些窗口，因为状态可能无法明确分类。

如果内存成为问题，神经网络可能是更好的选择，因为对于训练，它们不需要一次性提供所有训练数据，因此您可以批量生成输入数据。 使用基于树的方法，这种可能性不存在或仅以非常有限的方式存在。

Answer 2

我不确定你想要达到的目标。

如果您想表征什么是峰值- 这是事后分类 - 那么您可以使用一个简单的规则来定义峰值，例如signal(t) - average(signal, tN to t) > T ，其中T某个阈值和N个要回顾的数据点。

这将限定什么是峰值（1 类），什么不是（0 类），因此可以对模式进行分类。

如果您的目标是预测峰值将在峰值之前的几个时间单位（时间 t）发生，使用从t-n1到t-n2作为特征，那么逻辑回归可能不一定是最佳选择。

要找到正确的模型，您必须首先将每个peak(t)从t-n1到t-n2的特征可视化，然后查看是否可以找到任何模式。 它可以是任何东西：

• 在 t 之前的n3天有峰值吗？
• 有趋势吗？
• 是否有异常值（将您的数据转换为指数）

为了比较这些模式，可以考虑对它们进行归一化，例如， n2-n1数据点从 0 到 1。

如果你在视觉上找到一个模式，那么你就会知道什么样的模型可能适用，哪些特征。

如果您不这样做，那么您添加的白噪声可能会同样好。 所以你可能找不到好的预测模型。

但是，您的底部图表还不错； 在 >15 个预测中，您只有 2 个主要的误报。 这暗示了更好的特征工程。