我正在尝试将指数 SRGM 应用于具有大约 50000 个故障时间数据的大数据。这需要很长时间才能运行，甚至在线工具也因这些数据而崩溃，因为它的数据点太多。你们中的任何人都可以建议我如何解决这个问题并拟合指数（Goel-Okumoto）模型来获得 MLE（最大似然估计）吗？
【问题讨论】：
标签： data-modeling prediction data-analysis data-processing reliability
我了解到，做到这一点的一种最佳方法是将数据转换为故障计数格式。因此，我在考虑相等的时间间隔（每年）的情况下进行了故障计数转换，这将我的数据集的长度减少到 28。然后，我可以应用任何故障计数模型来拟合数据并进行预测。基于这项研究的文章可在https://books.google.com/books?id=uYiRDgAAQBAJ&pg=PA244&lpg=PA244&dq=An+Open+Source+Tool+to+Support+the+Quantitative+Assessment+of+Cybersecurity.+In+Proc.+International+Conference+on+Cyber+Warfare+and+Security&source=bl&ots=gJX5I0b8eH&sig=fp-EDU0z8AR1ZCVvjgqxrb1WF0c&hl=en&sa=X&ved=0ahUKEwjj1K6N09nUAhXBRCYKHZUWDfAQ6AEIMDAA#v=onepage&q=An%20Open%20Source%20Tool%20to%20Support%20the%20Quantitative%20Assessment%20of%20Cybersecurity.%20In%20Proc.%20International%20Conference%20on%20Cyber%20Warfare%20and%20Security&f=false 获得
【讨论】：