如何使用 scikit-learn for python 分析和预测（机器学习）时间序列数据集

Posted 2023-03-12

【中文标题】如何使用 scikit-learn for python 分析和预测（机器学习）时间序列数据集

【英文标题】：how to analyse and predict(machine learning) a time series data set using scikit-learn for python

【发布时间】：2014-04-20 19:25:37

【问题描述】：

我得到了这样的数据集

我需要分析和预测状态列。这只是训练数据集中的 2 个主菜。在这个数据集中有心率模式（以 1 秒的间隔收集，总共 10 个数字）它是一个时间序列数组（如果我错了，请纠正我）我只需要知道分析和使用预测的最佳方法这个数据。我正在使用 scikit-learning 进行数据挖掘和机器学习。

我只想知道分析这些时间序列数据的最佳方法是什么？我应该使用基于矢量的方法还是其他方法。如果你能给我一些示例代码，我会很好地理解它。

【问题讨论】：

基于向量是完全合法的。鉴于您的问题，您可能需要标准化。您可能还想调查一下：en.wikipedia.org/wiki/Dynamic_time_warping

这个问题太宽泛了，我相信。能否请您在这里放一些数据集和暂定代码部分？

【参考方案1】：

将心率时间序列中的每个点作为单独的列提供，并为所有其他数据点提供单独的列（特征）。对整个数据集的每一列进行特征归一化（减去均值，除以标准差），然后输入分类器。

【讨论】：

这样做是什么意思？你能解释一下它将如何优化挖矿吗？

它将允许 sklearn 算法以向量形式对其进行处理，并考虑过去不同时间点之间的相关性。您可能还需要考虑添加一些特征，这些特征是不同类型输入的移动平均值，尽管我不确定它与您的特定数据集的匹配程度。