[英]Extract Patterns from the device log data
我正在一個項目中,我們必須從設備日志數據中提取模式(用戶行為)。 設備日志包含帶有時間戳的不同設備操作,例如打開或關閉設備的時間。
For example:
When a person enters a room. He first switches on the light and then he
switches on the fan or Whenever the temp is less than 20 C, he switches off
the AC.
我正在考慮使用貝葉斯網絡來提取這些模式。
貝葉斯網絡中的弧將給出不同設備之間的模式/依存關系。
這是正確的方法嗎?
編輯:設備之間的時間順序很重要。
這是正確的方法嗎?
有很多可能的方法,但是這是一種非常適合該領域的簡單有效的方法:
鑒於應用程序的性質,時間順序並不重要,例如Fan
是否在Light
之前打開也沒關系。
另外,假設您可以使用例如運動傳感器來觸發讀取傳感器的例程,並可能進行定期溫度檢查,則可以使用下面的網絡對提取的模式進行操作(無需按時間順序和事件進一步使其復雜化)跟蹤,我們提取數據以進行操作,因此該域中的事件順序並不有趣)
例如:當一個人進入房間時。 他首先打開燈,然后再打開風扇,或者只要溫度低於20 C,就關閉交流電源。
原始設備日志可能看起來像這樣,T / F為True / False:
Person in room | Temperature | Light | Fan | AC
-----------------------------------------------
T | 20 | T | T | T
T | 19 | T | T | F
F | 18 | F | F | F
有了足夠的樣本,您可以在上面訓練模型,例如,朴素貝葉斯對無關的功能/輸入不敏感,因此,例如,如果您查看上面包含所有變量的第一個原始表,並嘗試使用足夠的數據來預測AC
,會理解某些輸入不是非常重要或完全不相關
或者,如果您事先知道Light
, Fan
和AC
依賴於什么,例如,我們知道Light
不會取決於Temperature
,並且Fan
和AC
不在乎是否打開Light
(它們可以即使該人正在睡覺也可以進行操作,例如),因此您可以將其分解如下:
Person in Room | Light
----------------------
T | T
F | F
Person in Room | Temperature | Fan
----------------------------------
T | 20 | T
F | 25 | F
Person in room | Temperature | AC
---------------------------------
T | 20 | T
T | 19 | F
F | 20 | F
F | 19 | F
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.