用時間序列實現在線學習

Question

我有時間序列數據的分類問題。

每個示例具有被以不規則的間隔測量，並且在結束時的對象被分類爲2個可能的類（二元分類）的1 10個變量。

我只有最後一類的例子，從訓練中學習。但是，當給出一個新的例子，我想在每個時間戳（以在線方式）進行預測。所以，如果新的例子有25次測量，我想對它的類別做25次預測;每個時間戳一個。

我實現這個目前是使用最小的方式，意味着其10個變量，直到該點的測量值的最大值作爲特徵進行分類。這是最佳嗎？什麼會是更好的方法。

Answer 1

如果你有在每個時間戳進行預測，那麼這不會成爲AA時間序列問題（除非你打算使用以前的觀測序列，使你的下一個預測，在這種情況下，你需要訓練基於序列的模型）。假設你只能根據你觀察到的最終數據訓練一個模型，可以有很多方法，但是我建議你在每棵樹中使用具有大量樹木和3或4個變量的隨機森林。這種方式即使有些變量不能給你想要的輸入，其他樹仍然可以做出相當準確的預測。除此之外，還有許多合奏方法。

目前工作可能是一個非常鬆散的逼近和現實，但並沒有太大的統計意義的方式。