【发布时间】：2019-06-16 23:15:57
【问题描述】：
我有许多进化曲线（准时），作为图像的系统。 当系统以正常方式（“正常”）运行时绘制这些演化曲线。
我想训练一个模型，当它以正常方式运行时，它会学习曲线（或部分形状）的形状，因此它将能够将新曲线分类为正常（或异常）。
对要使用的模型有什么想法，或者如何进行？ 谢谢你
【问题讨论】：
标签： machine-learning neural-network time-series pattern-recognition
【发布时间】：2019-06-16 23:15:57
【问题描述】：
您可以从标记（注释）图像开始。标签可以像 0/1 一样正常/不正常，也可以是您想要将数据划分为的多个类。
因为它是一张图表，所以方向很重要，错误的方向可能会破坏图像的含义。 因此，制作一个算法，在阅读时始终以相同的方式定位图表。
现在标记已经完成，您需要训练这些图像以进行正确分类。
- 根据需要扩充数据
- 查找图像分类模型
- 使用经过训练的权重
- 以所需格式为您提供图像和注释
- 训练模型
- 检查输出错误或分类错误。
- 在分类的情况下创建一个评估矩阵，如混淆矩阵。 如果模型正确并且训练正确完成，您将获得良好的准确性。 否则重复这些步骤。
这只是一个概述，您可以通过它开始实现您的目标。
【讨论】：
-
谢谢@Amit Gupta，非常清晰有趣。您对用于此类问题的图像分类模型有任何想法吗？
-
这取决于你有多少数据。如果你有 10 GB 的数据，那么你应该选择深度学习模型，如果数据不是那么高，你可以增加数据（我不建议在图表案例中这样做）或者你可以使用 CNN 模型。使用 VGG-16。或者编写自己的模型。
-
@AmitGupta 您不应该将曲线视为图像。曲线只不过是一些数据点 (x,y)，其中 y 是一个多元点。
-
@Mitchapp 我没有将曲线视为图像，他提到所有数据都可以作为图像获得。
可以执行PCA，然后进行分类。也找functional data analysis
【讨论】：
-
谢谢 Mitchapp，我的数据中只有两个维度（x: time, y: 2sd dim) 那么为什么要使用 PCA 呢？你有模型分类的想法吗？谢谢
-
当你减少维度时，曲线将变为线性，然后应用任何你想要的分类器 KNN、SVM...等
-
谢谢，我试试这个看看效果。