時間序列數據的無監督學習
[英]Unsupervised Learning with Time Series Data
問題描述
我有一個包含許多系列的數據集。 我想建立一個模型，該模型能夠確定哪些系列或系列集獨立於束，哪些系列依賴於它們的依存關系。
換句話說，假設我有A，B和C系列，而我對此一無所知。 輸出可能是A和B是獨立的，但是在時間t-1知道B有助於我們預測在時間t的C。
這叫什么問題？ 如果我有N系列而不是3個，我該如何解決？ 我熟悉Python中的機器學習技術，但是不確定是否還有其他更好的方法（例如遺傳算法等）可以幫助我找到解決方案。
也許我在沿着無監督學習或聚類的思路思考，但是我不確定如何使用時間序列來實現。 有什么想法嗎？
如果您可以提供帶有鏈接等的任何指針，我將不勝感激！
1 個解決方案
解決方案1
1 2017-08-25 14:57:04
如果我以正確的方式理解您的問題，那么您想知道時間序列（即向量）是否相關。 為了確定我會鼓勵您使用Spice.stats或numpy.corrcoef
如果您只想確定它們的行為是否相同，則可以計算它們在一段時間內的變化百分比（將其標准化）並進行比較。
從pylearn2中的無監督學習中獲取數據的學習表示
[英]Getting the learned representation of the data from the unsupervised learning in pylearn2
重整數據以進行時間序列預測機器學習的有效方法（Numpy）
[英]Efficient way to Reshape Data for Time Series Prediction Machine Learning (Numpy)
如何從python中的時間序列數據創建監督學習數據集
[英]How to create supervised learning dataset from time series data in python
如何在一天內對具有多個輸出的時間序列數據進行機器學習？
[英]How to do machine learning for time series data with multiple outputs in one day?
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.