时间序列中的分类模式答案

【问题标题】：Classifying pattern in time series时间序列中的分类模式
【发布时间】：2021-02-01 03:54:55
【问题描述】：

我正在处理时间序列数据中的重复模式。我的目标是将每个模式归类为 1，将不遵循该模式的任何内容归类为 0。该模式在每两个峰之间重复，如下图所示。

模式不一定在样本量上是固定的，而是保持在近似样本量内，比如 500 个样本 +-10%。峰的高度可以改变。随机信号（我称之为随机，但基本上是指不遵循模式形状）也可以改变值。

数据来自传感器。模式是设备正常工作的时候。如果设备出现故障，那么我将看不到这些模式，并且会得到类似于我在图像中显示的 0 类的东西。

到目前为止，我所做的是构建逻辑回归模型。以下是我的数据准备步骤：

在每两个连续峰值之间获取数据，将其重新采样到 100 个样本的固定大小，将数据缩放到 [0-1]。这是第 1 课。
对山谷之间的数据重复第 1 步并将其称为 0 类。
我产生了一些噪音，并在 500 个样本上重复了第 1 步，以构建额外的 0 类数据。

下图显示了我对测试数据集的预测。对噪声块的预测不是很好。我担心在真实数据中我可能会得到更多的误报。关于如何改进我的预测的任何想法？没有可用的 0 类数据时有什么更好的方法吗？

我见过类似的问题here。我对隐马尔可夫模型的理解有限，但我相信它是用来预测未来数据的。我的目标是对整个数据中包含 500 个样本的滑动窗口进行分类。

【问题讨论】：

标签： machine-learning time-series classification logistic-regression pattern-recognition

【解决方案1】：

我有一些建议，你可以试试。首先，我认为在这个领域经常使用递归神经网络（例如 LSTM）。但我也听说有些人也使用基于树的方法，如 light gbm（我认为 Aileen Nielsen 使用这种方法）。

因此，如果您不想深入研究神经网络，这可能没有必要，因为您的信号似乎相对容易区分，您可以给 light gbm（或其他树集成方法）一个机会。

如果您知道正样本的最大长度，则可以定义成为输入向量的“滑动样本窗口”的长度（因此滑动窗口中的每个样本都成为一个输入特征），然后我会添加一个额外的属性，其中包含最后一个峰值出现时的样本数（在样本窗口之外/之前）。然后，您可以检查您让窗口在数据上滑动的步数。这也取决于您可用的内存。但也许明智的做法是跳过正负变化之间的一些窗口，因为状态可能无法明确分类。

如果内存成为问题，神经网络可能是更好的选择，因为对于训练它们不需要一次性提供所有训练数据，因此您可以批量生成输入数据。对于基于树的方法，这种可能性不存在或仅以非常有限的方式存在。

【讨论】：

【解决方案2】：

我不确定你想要达到什么目的。

如果你想表征什么是峰值——这是事后分类——那么你可以使用一个简单的规则来定义峰值，例如signal(t) - average(signal, t-N to t) > T，T一个特定的阈值和N 一些数据点来回顾。

这将限定什么是峰值（第 1 类）和非峰值（第 0 类），因此可以对模式进行分类。

如果您的目标是预测峰值将在之前几个时间单位发生（在时间 t），使用来自 t-n1 的数据t-n2 作为特征，那么逻辑回归可能不一定是最佳选择。

要找到正确的模型，您必须首先可视化每个 peak(t) 从 t-n1 到 t-n2 的特征，看看是否有任何模式可以找到。它可以是任何东西：

在 t 前的 n3 天有峰值吗？
有趋势吗？
是否存在异常值（将您的数据转换为指数）

为了比较这些模式，可以考虑对它们进行规范化，例如，n2-n1 数据点从 0 变为 1。

如果您在视觉上找到一种模式，那么您就会知道哪种模型可能适用于哪些功能。

如果您不这样做，那么您添加的白噪声很可能会一样好。所以你可能找不到好的预测模型。

但是，您的底部图表还不错；在 > 15 个预测中，您只有 2 个主要误报。这暗示了更好的特征工程。

【讨论】：