[英]How to handle time series data with other attributes in machine learning?
我正在研究二進制分類問題,如果每個數據實例都有幾個不同指標的時間序列,那么還有其他一些屬性。 如何處理時間序列,將它們視為獨立屬性? 但這會丟失與時間維度相關的信息。
為了使其更具體,訓練實例的示例將如下所示:
ID MetricA_Day1 MetricA_Day2 ..... MetricA_Day31 MetricB_Day1....MetricB_Day2 AttributeC AttributeD AttributeE
有關於如何處理這個問題的最佳做法嗎?
首先,“通用”答案: 不是,機器學習中沒有最好的實踐 。 事實上,只有壞的和當前流行的,但不是“最好的”。 即使對於二進制,線性分類,它是否依賴於數據,是否更好地訓練幾何模型(SVM?)或概率模型。 即使我們縮小到某個特定模型(簡稱神經網絡),即使在數據縮放方面也沒有最佳實踐。 它應該在[0,1]嗎? 或者[-1,1]? 那么0和方差1怎么樣? 協方差矩陣是什么?
現在了解詳細信息 - 您的問題幾乎沒有提供有關數據的信息。 說“我有一些屬性和很少的時間序列”遠遠沒有給出真正有見地和有價值的答案的任何機會。 但它似乎不是一個有任何明確答案的任務,它是一項長期研究任務。
你在研究期間可以搜索什么?
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.