python - 机器学习分类数据集设置

Question

如果这个问题违反了SO的问题指南，我感到非常抱歉，但我被困住了，我找不到其他地方可以问此类问题。假设我有一个数据集，其中包含在三种不同条件(热、冷、舒适)下获得的三个实验数据。数据在由 4 列(时间、冷、舒适和热)组成的 pandas 数据框 中按三列排列。当我绘制数据时，我可以直观地看到三个实验的分离，但我想通过机器学习自动完成。x 轴代表时间，y 轴代表数据的幅度。我读过有关不同机器学习的文章 classification techniques但我不明白如何设置我的数据，以便我可以将其“输入”到分类算法中。也就是说，我的问题是:

1. 这在编程上可行吗？
2. 如何设置(排列我的数据)以便可以轻松地将其输入分类算法？ From what I read so far看来，为了让算法发挥作用，数据必须按一定的顺序排列(例如，参见iris dataset，其中数据被很好地标记了。我如何自定义算法以满足我的需求？注意:理想情况下，我希望程序在给定一个幅度值的情况下，将该值分类为热、舒适或冷。时间序列与我的情况没有多大相关性

Answer 1

当然这是可行的。

从原始帖子中尚不完全清楚您的模型可以使用哪些变量/功能，但这里有一些一般指导。所有这些机器学习问题，从分类到回归，都依赖于相同的核心假设，即您试图根据一堆输入来预测某些结果。通常这种关系的建模如下:y ~ X1 + X2 + X3 ...，其中 y 是结果(“因”)变量，X1 、X2 等是特征(“解释”变量)。更简单地说，我们可以说，使用整个特征集矩阵 X (即包含所有 x 变量的矩阵)，我们可以使用以下方法预测某些结果变量 y各种机器学习技术。

因此，就您的情况而言，您会尝试根据时间<来预测是冷、舒适还是热/。这实际上更像是一个预测问题，而不是一个机器学习问题，因为您有一个时间组件，它看起来是数据集中最重要(如果不是唯一)的特征之一。您可能想看看一些更简单的时间序列预测方法(例如 ARIMA)而不是 ML 算法，因为某些时间序列 ML 方法可能不太适合初学者。

无论如何，我认为这应该让您开始。