开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

社区首页 >问答首页 >哪种(机器学习)方法可以识别多变量时间序列中的非稳定运动3D结构？

问哪种(机器学习)方法可以识别多变量时间序列中的非稳定运动3D结构？
EN

Stack Overflow用户

提问于 2013-01-02 04:24:03

回答 2查看 274关注 0票数 0

让我们假设我有温度，风速，气压，湿度等的局部测量，以时间序列的形式，这就是我从世界上所知道的全部。有时，龙卷风会掠过我的探测器。

因为龙卷风不只是一个随机的东西，有一种模式，训练有素的眼睛可以在时间序列中识别出来…温度、风速等的一些变化以某种方式相互关联，周围有不可预测的波动。

我想以某种自动的方式来识别时间序列中与我的探测器“看到”龙卷风的周期相对应的时间间隔。

哪种机器学习方法更适合识别它们，并给我一些相应的“可靠性系数”。

注意，由于龙卷风是一个本质上不稳定的物体，它以某种不稳定的方式移动，探测器并不总是能看到温度，风速等的变化，因为龙卷风可以在探测器上来回移动，局部改变它的形状等。我想我想说的是，时间序列测量并不符合人们可以在龙卷风的“静止框架”中绘制的这些量的实际空间分布。然而，它总是看到“某种”相同的特征，周围有一些随机性，我的眼睛就能识别出来，这让我认为这是一个适合ML的任务。

其他问题:有没有可以实现推荐方法的python ML库？(PyBrain，Scikit？...?)

machine-learning

EN

回答 2

Stack Overflow用户

发布于 2013-01-04 10:26:39

你的数据中有多少这样的事件？如果你认为你需要至少100个龙卷风事件才能训练一个足够可靠的模型，并对其预测准确性进行足够好的估计。

将公开分发此数据集，例如在http://figshare.com上

票数 1

EN

Stack Overflow用户

发布于 2013-01-05 06:04:26

有各种各样的机器学习算法。您提供的信息并不表明任何一组算法在没有进一步调查的情况下都是优越的。扩展的时间序列确实表明，您可能需要一种算法来创建简化的特征向量。神经网络不会自动为您提供可靠性系数。如果您愿意公开发布包含数百个随机正负示例的数据集，那么随着时间的推移，可能会有许多不同的组应用不同的算法。各种“竞赛”网站的存在将加速这一过程。

票数 1

EN

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/14116828

复制

相关文章

单变量时间序列平滑方法介绍

时间序列是由按时间排序的观察单位组成的数据。可能是天气数据、股市数据。，也就是说它是由按时间排序的观察值组成的数据。

deephub

2022/11/11

8120

机器学习中的参数与非参数方法

机器学习神经网络深度学习人工智能编程算法

在我们的以前文章中介绍过统计学习中预测和推理之间的区别。尽管这两种方法的主要区别在于最终目标，但我们都需要估计一个未知函数f。

deephub

2021/10/09

1.9K0

非平稳时间序列

arima 函数集群框架模型

若非平稳序列经过差分后能显示出平稳序列的性质，我们就可以称这个非平稳序列为差分平稳序列，而ARIMA模型拟合就相当于给差分平稳序列使用ARMA模型进行拟合。一般情况下ARIMA模型记为ARIMA(p,d,q)，其中p、d、q分别为ARMA模型的阶数，d为差分阶数，d=0时，ARIMA模型就是ARMA模型：

爱编程的小明

2023/04/27

8760

【机器学习基础】机器学习中类别变量的编码方法总结

数据处理机器学习神经网络深度学习人工智能

在做结构化数据训练时，类别特征是一个非常常见的变量类型。机器学习中有多种类别变量编码方式，各种编码方法都有各自的适用场景和特点。本文就对机器学习中常见的类别编码方式做一个简单的总结。

黄博的机器学习圈子

2020/09/28

1.6K0

【机器学习基础】机器学习中类别变量的编码方法总结

Keras中的多变量时间序列预测-LSTMs

机器学习神经网络深度学习人工智能

神经网络诸如长短期记忆（LSTM）递归神经网络，几乎可以无缝地对多变量输入问题进行建模。

朱卫军 AI Python

2022/04/02

3.2K0

Keras中的多变量时间序列预测-LSTMs

时间序列异常检测：统计和机器学习方法介绍

机器学习模型数据统计异常

时间序列数据是按一定时间间隔记录的一系列观测结果。它经常在金融、天气预报、股票市场分析等各个领域遇到。分析时间序列数据可以提供有价值的见解，并有助于做出明智的决策。

deephub

2023/08/30

3330

时间序列异常检测：统计和机器学习方法介绍

时间序列分析：对非平稳时间序列进行建模

数据分析编程算法

编者按曾经有位小伙伴在公众号留言提问：如何做时间序列分析？最近C君发现了一篇文章，也许可以解答这个问题，收录在此，以飨读者。本文来自于数据人网。如果你有数据分析相关的问题，也可以公众号留言提问，说不定C君可以帮你找到答案。发现优质文章，也可以推荐给C君。祝，学习快乐~ 在这篇博客中，我将会简单的介绍一下时间序列分析及其应用。这里，我们将使用匹兹堡大学的教授David Stoffer所开发的R包astsa进行时间序列分析。而与之相关的课本，可以在Time Series Analysis and Its A

CDA数据分析师

2018/02/24

3.8K0

时间序列分析：对非平稳时间序列进行建模

机器学习中的特征选择(变量筛选)方法简介

编程算法机器学习神经网络深度学习人工智能

变量选择(特征选择,feature selection) ，是机器学习领域非常重要的问题，到底哪些变量是有用的，哪些是不重要的，可以删除的，怎么选才能提高模型表现，理论非常复杂，实在不是一个临床医生能完全掌握的，以下简单介绍下，感兴趣的自己看书，后续会推一些相关R包的使用教程。

医学和生信笔记

2023/02/14

3.6K0

机器学习中时间序列预测的一些常见陷阱

机器学习深度学习人工智能神经网络

时间序列预测是机器学习的一个重要领域。说它重要是因为有很多预测问题都涉及时间成分。然而，虽然时间成分补充了额外的信息，但与其他预测任务相比，时间序列问题更难以处理。

商业新知

2019/05/24

3.9K0

机器学习中时间序列预测的一些常见陷阱

Keras中带LSTM的多变量时间序列预测

像长短期记忆（Long Short-Term Memory ) LSTM 递归神经网络这样的神经网络几乎可以完美地模拟多个输入变量的问题。

QiqiHe

2018/02/09

46.5K8

Keras中带LSTM的多变量时间序列预测

机器学习（十一）时间序列模型

AR模型（自回归模型），是统计上一种处理时间序列的方法，用同一变数例如x的之前各期，亦即x1至xt-1来预测本期xt的表现，并假设它们为一线性关系。因为这是从回归分析中的线性回归发展而来，只是不用x预测y，而是用x预测 x（自己）；所以叫做自回归。

致Great

2018/10/08

3.5K0

R中季节性时间序列分析及非季节性时间序列分析

①SAM（Simple Moving Average）简单移动平均，将时间序列上前n个数值做简单的算术平均。 SMAn=(x1+x2+…xn)/n

Erin

2022/05/09

1.8K0

R中季节性时间序列分析及非季节性时间序列分析

lstm多变量时间序列预测(时间序列如何预测)

python 神经网络机器学习深度学习

Now, we are familiar with statistical modelling on time series, but machine learning is all the rage right now, so it is essential to be familiar with some machine learning models as well. We shall start with the most popular model in time series domain − Long Short-term Memory model.

全栈程序员站长

2022/08/01

2.2K0

lstm多变量时间序列预测(时间序列如何预测)

用python做时间序列预测四：平稳/非平稳时间序列

python 编程算法

1、序列的均值(mean)不应该是时间的函数(意思是不应该随时间变化)，而应该是一个常数。下面的左图满足这个条件，而右图的均值受时间的变化影响。

程序员一一涤生

2020/06/03

6.1K0

深入机器学习系列之时间序列分析

时间序列指的是按时间顺序排列的一组数字序列，而时间序列分析就是利用这组数列，应用数理统计方法加以处理，从而来预测未来事物的发展。该分析方法属于定量预测方法，既承认事物发展的延续性，应用历史数据即可推测事物发展趋势；其次也考虑了事物发展的随机性，为此要利用统计分析中各种方法对历史数据进行处理。目前该方法常应用在国民经济宏观控制、企业经营管理、区域综合发展规划、气象预报和环境污染控制等各个方面。

数据猿

2019/08/06

2.7K0

基于对比学习的时间序列异常检测方法

patch 框架模型数据异常

今天给大家介绍KDD 2023中，牛津大学与阿里巴巴联合发表的时间序列异常检测工作。在以往的时间序列异常检测中，使用最多的方法是基于Reconstruction的方法。本文探索了对比学习在时间序列异常检测中的应用，取得了不错的效果。下面给大家详细介绍一下这篇文章。

圆圆的算法笔记

2023/08/17

2.1K0

基于对比学习的时间序列异常检测方法

基于对比学习的时间序列异常检测方法

设计数据算法性能异常

时间序列异常检测是一项重要的任务，其目标是从时间序列的正常样本分布中识别异常样本。这一任务的最基本挑战在于学习一个能有效识别异常的表示映射。

算法进阶

2023/08/28

7760

基于对比学习的时间序列异常检测方法

视频行为识别（一）——综述

深度学习工作视频数据异常

本次分享的文章是2023年收录在计算机视觉领域的顶刊“CVPR”（级别：视觉类TOP）期刊上。该期刊详细信息可关注公众号 AI八倍镜点击菜单项查询。论文地址：https://arxiv.org/abs/2305.15692

卡伊德

2023/07/21

1.5K0

Java学习笔记之静态方法，非静态方法，静态变量，非静态变量四者之间的关系

编程算法 c++java

Java学习笔记之静态方法，非静态方法，静态变量，非静态变量四者之间的关系首先明白这几个名词的意思：

向着百万年薪努力的小赵

2022/12/01

7150

历年 CVPR 最佳论文盘点（2000 年——2018 年）

图像处理 https http 网络安全神经网络

作为计算机视觉领域的顶级学术会议，CVPR 2019 近期公布了最终论文接收结果，引来学界密切关注。据悉，CVPR 2019 今年一共获得 5165 篇有效提交论文，最终抉出了 1300 篇接收论文，接收率达到 25.2% 。

朱晓霞

2019/04/30

1.1K0

历年 CVPR 最佳论文盘点（2000 年——2018 年）

相似问题

机器学习实体评分(非识别)

12

机器学习预测时间序列多类信号变化

212

时间序列预测机器学习中数据整形的有效方法

23

如何稳定机器学习模型？

226

时间序列预测中的训练机器学习模型

23

添加站长进交流群

领取专属 10元无门槛券

AI混元助手 在线答疑

关注 腾讯云开发者公众号

洞察 腾讯核心技术

剖析业界实践案例

社区富文本编辑器全新改版！诚邀体验～

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验