machine-learning - 使用时间序列数据预测事件的发生

Question

我有来自传感器 1 个月的数据。数据是时间序列，每个数据点间隔 1 秒。这些传感器记录了温度、压力、风扇速度等预测因素。根据这些值记录事件。因此，如果引擎正常运行，则 event=0，否则 event=1，并且此事件持续相当长的时间(例如接下来的 10 分钟)，然后再次恢复正常。

我试图根据预测变量的值来预测下一个事件的发生。我尝试了 Cox 比例风险模型，但生存曲线不准确。也尝试过随机森林，但模型结果并不好。模型准确率始终保持在 100%。

生存分析可以用于时间序列数据吗？聚类有帮助吗？

Answer 1

“我正在尝试根据预测变量的值来预测下一个事件的发生”。嗯，看来集群不是你想要的。搜索线性回归或时间序列回归方法。这里简单介绍一下:http://onlinestatbook.com/2/regression/intro.html还有更多学术 Material :http://unstats.un.org/unsd/hhsurveys/finalpublication/ch19fin3.pdf 。希望对您有所帮助。