按时间序列分类模式

如何解决按时间序列分类模式

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分类为1，将不遵循该模式的任何分类为0。该模式在每两个峰值之间重复一次，如下图所示。

模式不一定固定为样本量，而是保持在近似的样本量之内，例如500个样本+ -10％。峰的高度可以改变。随机信号（我称其为随机信号，但基本上意味着不遵循图案形状）也可以改变值。

数据来自传感器。模式是指设备运行正常时的状态。如果设备出现故障，那么我将看不到这些模式，并且会得到类似于图像中显示的0级的东西。

到目前为止，我所做的是建立逻辑回归模型。这是我的数据准备步骤：

在每两个连续的峰之间获取数据，将其重新采样为100个样本的固定大小，将数据缩放为[0-1]。这是第1类。
针对山谷之间的数据重复步骤1，并将其称为0类。
我产生了一些噪音，并在500个样本的块上重复了步骤1，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。关于如何改善预测的任何想法？没有可用的0类数据时，还有更好的方法吗？

我看到了类似的问题here。我对隐马尔可夫模型的了解有限，但我相信它可用于预测未来数据。我的目标是对整个数据中500个样本的滑动窗口进行分类。

解决方法

我有一些建议，您可以尝试一下。首先，我认为在该领域中经常使用递归神经网络（例如LSTM）。但是我也听说有些人也使用基于树的方法，例如light gbm（我认为Aileen Nielsen使用这种方法）。

因此，如果您不想涉入神经网络（这可能不是必需的），因为您的信号似乎相对容易区分，则可以给gbm（或其他树编码方法）一个机会。

如果您知道一个正样本的最大长度，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将成为一个输入特征），那么我将添加一个额外的属性，带有最后一个峰出现时（样本窗口的外部/之前）的样本数量。然后，您可以检查让窗口在数据上滑动多少步骤。这也取决于您可用于此的内存。但是，然后跳过正负之间的某些窗口是明智的选择，因为状态可能无法明确分类。

万一记忆成为问题，神经网络可能是更好的选择，因为对于训练而言，神经网络不需要一次获得所有可用的训练数据，因此您可以批量生成输入数据。使用基于树的方法，这种可能性不存在或仅以非常有限的方式存在。

我不确定您要达到的目标。

如果要表征峰是不是（这是事实分类之后的结果），则可以使用简单的规则来定义诸如signal(t) - average(signal,t-N to t) > T之类的峰，其中{ {1}}个特定阈值和T个数据点向后看。

这将限定峰（类别1）和不峰（类别0），因此对模式进行分类。

如果您的目标是要预测，则使用{{1} }至N为特征，那么逻辑回归不一定是最佳选择。

要找到正确的模型，必须首先可视化每个t-n1从t-n2到t-n1的功能，并查看是否可以找到任何模式。它可以是任何东西：

在t之前的t-n2天中有高峰吗？
有趋势吗？
是否存在异常值（将数据转换为指数）

为了比较这些模式，请考虑对其进行归一化，以使peak(t)数据点从0变为1。

如果您在视觉上找到一种模式，那么您将知道哪种模型可能适用于哪些功能。

如果不这样做，则添加的白噪声可能会同样好。因此您可能找不到好的预测模型。

但是，您的底部图形还不错。您在超过15个预测中只有2个主要误报。这暗示了更好的功能工程。