基于过去和未来值的每个时间序列步骤的二进制分类

Posted 2023-03-13

【中文标题】基于过去和未来值的每个时间序列步骤的二进制分类

【英文标题】：Binary classification of every time series step based on past and future values

【发布时间】：2018-10-18 07:47:27

【问题描述】：

我目前面临机器学习问题，并且已经到了需要一些帮助才能继续的地步。

我有传感器跟踪的各种时间序列的位置（x、y、z）数据。我开发了更多功能。例如，我栅格化了整个 3D 空间，并为每个时间步计算了 cell_x、cell_y 和 cell_z。时间序列本身具有可变长度。

我的目标是建立一个模型，该模型使用标签0 或1（基于过去和未来值的二进制分类）对每个时间步进行分类。因此，我有很多已经设置标签的训练时间序列。

可能非常成问题的一点是，数据中很少有1 的标签（例如，800 个样本中只有 3 个带有1 的标签）。

如果有人能在正确的方向上帮助我，那就太好了，因为有太多可能的问题：

错误的超参数 型号不正确 1 的标签太少，但我认为这不是什么大问题，因为我只需要模型来建议正确的时间步长。所以我只会使用输出的峰值。 训练数据不好或太少 不好的功能

感谢任何帮助和提示。

【参考方案1】：

你的模型看起来很奇怪。为什么在 lstm 层中只使用 2 个单元？您的问题也是二进制分类。在这种情况下，您应该在输出层中只选择一个神经元（尝试在和 lstm 层之间插入一个额外的密集层，并尝试在它们之间退出层）。

如果您没有多标签问题，二元交叉熵对于 2 个输出神经元没有多大意义。但是，如果您要切换到一个输出神经元，那就是正确的。您还需要 sigmoid 然后作为激活函数。

最后的建议是：尝试类权重。 http://scikit-learn.org/stable/modules/generated/sklearn.utils.class_weight.compute_class_weight.html 如果您的标签不平衡，这可能会产生巨大的影响。

【参考方案2】：

您可以使用 tensorflow BasicLSTMCell 创建模型，您的数据形状适合 TensorFlow you can find Documentation for BasicLSTMCell here 中的 BasicLSTMCell 和创建模型 this Documentation contain code that will help to build BasicLstmCell model 。希望这会对你有所帮助，干杯。