使用时间序列实施在线学习

Question

我对时间序列数据有分类问题。

每个示例有 10 个变量，这些变量以不规则的间隔进行测量，最终将对象分为 2 个可能的类别中的 1 个（二元分类）。

我只有示例的最后一课可以在训练期间学习。但是当给出一个新的例子时，我想对每个时间戳进行预测（以在线方式）。因此，如果新示例有 25 个测量值，我想对其类别进行 25 个预测；每个时间戳一个。

我目前实现这一点的方式是使用其 10 个变量的测量值的最小值、平均值和最大值作为分类特征。这是最优的吗？有什么更好的方法。

Answer 1

如果您必须在每个时间戳进行预测，那么这不会成为时间序列问题（除非您计划使用之前的观察序列来进行下一个预测，在这种情况下，您需要训练一个基于序列的模型）。假设您只能根据观察到的最终数据训练模型，可以有多种方法，但我建议您使用具有大量树和每棵树中 3 或 4 个变量的随机森林。这样，即使某些变量没有为您提供所需的输入，其他树仍然可以做出相当准确的预测。除此之外，还有许多集成方法。

您目前正在做的方式可能是一个非常松散的近似值和实用性，但没有太大的统计意义。