在 NASA Turbofan Engine 數據集上使用 Rapidminer 進行機器學習

Question

我正在研究 NASA 數據集 Turbofan 引擎，其中包括每個引擎的時間序列。 所有發動機都是同一類型，但每台發動機的初始磨損程度和制造過程中的變化程度不同，用戶不知道這一點。 可以使用三個可選設置來更改每台機器的性能。 每個引擎有 21 個傳感器在運行時收集與引擎 state 相關的不同測量值。 我想應用不同的 ML 模型並進行比較，但我不知道模型的 label 功能是什么？ 因為例如對於某個循環時間，它會持續到 140 個循環時間然后失敗，而對於某些循環，它會持續到 50 個循環並失敗......並且它在行而不是列中（我不知道這將是一個問題或不是）

Answer 1

你的問題對於stackoverflow來說有點寬泛（這里的人支持具體的技術解決方案）。

但無論如何，正如您已經注意到的，使用此數據集的“技巧”是自己創建 label。 最大周期數在這里是一個不錯的選擇。

查看 RapidMiner 中的社區存儲庫，該數據集有一個示例流程：

//社區樣本/社區真實世界用例/渦輪風扇發動機的預測性維護

有關使用 RapidMiner 的更具體的問題和提示和技巧，我還推薦 RapidMiner 用戶社區： https://community.rapidminer.com/這是一個非常活躍的開始對話的好地方。

最好的，大衛