r - 如何在R中向SVM(ksvm)呈现多个时间序列数据(或者，如何向SVM呈现二维输入数据)

Question

如何使ksvm模型知道数据集中的前100个数字都是来自一个传感器的所有时间序列数据，而接下来的100个数字都是来自另一个传感器的所有时间序列数据，对于六个单独的时间序列传感器输入？或者（也许更一般而言），如何将二维输入数据呈现给SVM？

我需要一个二进制“是/否”预测模型的过程具有六个非周期性时间序列输入，所有这些输入均具有相同的采样频率。事件触发了数据收集的开始，并且在预定时间之后，我需要是/否预测（最好包括正确性概率输出）。尚不知道应产生“是”与“否”的时间序列输入的特征，但是已知的是，每个输入时间序列数据与最终结果之间都应具有一定的相关性。所有输入上还存在明显的噪声。有意义的信息和噪声都以短时脉冲串形式出现在输入上（对于给定的输入源，有意义的脉冲串通常在相同的通用时间），但是要确定哪些脉冲串是有意义的，哪些是噪声是困难的；即，一个输入在“正确”时间发生突发的事实并不一定表示“是”输出；可能只是噪音。要知道预测是否应该为“是”，模型需要以某种方式合并来自所有六个时间序列输入的信息。我收集了大约900个“否”结果和100个“是”结果的先前数据。

我对R和SVM都还很陌生，但是我想我想使用SVM模型（kernlab's ksvm）。我在弄清楚如何将输入数据呈现给它时遇到麻烦。我也不确定如何告诉ksvm数据是时间序列数据，或者甚至是相关的。我尝试使用Rattle GUI前端到R从csv文件中提取数据，但是我不知道如何将来自所有六个输入的时间序列数据呈现到ksvm模型中。作为csv文件输入，似乎导入所有1000个样本的数据的唯一方法是组织输入数据，以使所有样本数据（用于所有六个时间序列输入）都位于csv文件的一行中，单独的已知结果文件的数据显示在csv文件的每一行中。但是这样做时，第一个，第二个，第三个等数字分别是来自第一个传感器的时间序列数据的一部分，这一事实以及第101个，第102个，第103个等事实都被丢失了。数字是来自第二个传感器的时间序列数据的每个部分，依此类推；对于ksvm模型，每个数据样本仅被视为一个与其邻居无关的孤立数字。如何将这些数据作为六个独立但相互关联的时间序列数组呈现给ksvm？或者如何将二维数据数组呈现给ksvm？



更新：

好的，我尝试了两种基本策略，结果令人沮丧（好吧，生成的模型比盲目猜测要好，但数量不多）。

首先，由于不熟悉R，所以将Rattle GUI前端用于R。我觉得这样做可能会限制我的选择。但是无论如何，这就是我所做的.....

示例已知结果文件（仅显示4个传感器而不是6个，并且显示7个时间样本而不是100个）：

training168_yes.csv

Seconds Since 1/1/2000,sensor1,sensor2,sensor3,sensor4
454768042.4,           0,      0,      0,      0
454768042.6,           51,     60,     0,      172
454768043.3,           0,      0,      0,      0
454768043.7,           300,    0,      0,      37
454768044.0,           0,      0,      1518,   0
454768044.3,           0,      0,      0,      0
454768044.7,           335,    0,      0,      4273

training169_no.csv

Seconds Since 1/1/2000,sensor1,sensor2,sensor3,sensor4
454767904.5,           0,      0,      0,      0
454767904.8,           51,     0,      498,    0
454767905.0,           633,    0,      204,    55
454767905.3,           0,      0,      0,      512
454767905.6,           202,    655,    739,    656
454767905.8,           0,      0,      0,      0
454767906.0,           0,      934,    0,      7814

我知道将所有训练样本的数据输入R / Rattle的唯一方法是将所有结果文件按摩并合并为一个.csv文件，每行一个样本结果。我只能想到两种方法来做到这一点，所以我都尝试了这两种方法（我知道这样做的时候，我隐藏了潜在的重要信息，这就是这个SO问题的重点）：

试验1：对于每个结果文件，将每个传感器的样本添加到一个数字中，清除所有时间信息：

result,sensor1,sensor2,sensor3,sensor4
no,    886,    1589,   1441,   9037
yes,   686,    60,     1518,   4482
no,    632,    1289,   1173,   9152
yes,   411,    67,     988,    5030
no,    772,    1703,   1351,   9008
yes,   490,    70,     1348,   4909

当我完成使用Rattle生成SVM时，Rattle的log选项卡为我提供了以下脚本，该脚本可用于在RGui中生成和训练SVM：

library(rattle)
building <- TRUE
scoring  <- ! building
library(colorspace)
crv$seed <- 42 
crs$dataset <- read.csv("file:///C:/Users/mminich/Desktop/stackoverflow/trainingSummary1.csv", na.strings=c(".", "NA", "", "?"), strip.white=TRUE, encoding="UTF-8")
set.seed(crv$seed) 
crs$nobs <- nrow(crs$dataset) # 6 observations 
crs$sample <- crs$train <- sample(nrow(crs$dataset), 0.67*crs$nobs) # 4 observations
crs$validate <- NULL
crs$test <- setdiff(setdiff(seq_len(nrow(crs$dataset)), crs$train), crs$validate) # 2 observations
# The following variable selections have been noted.
crs$input <- c("sensor1", "sensor2", "sensor3", "sensor4")
crs$numeric <- c("sensor1", "sensor2", "sensor3", "sensor4")
crs$categoric <- NULL
crs$target  <- "result"
crs$risk    <- NULL
crs$ident   <- NULL
crs$ignore  <- NULL
crs$weights <- NULL
require(kernlab, quietly=TRUE)
set.seed(crv$seed)
crs$ksvm <- ksvm(as.factor(result) ~ .,
      data=crs$dataset[,c(crs$input, crs$target)],
      kernel="polydot",
      kpar=list("degree"=1),
      prob.model=TRUE)

试验2：对于每个结果文件，每次都将所有传感器的样本添加到一个数字中，清除关于各个传感器的所有信息：

result,time1, time2, time3, time4, time5, time6, time7
no,    0,     549,   892,   512,   2252,  0,     8748
yes,   0,     283,   0,     337,   1518,  0,     4608
no,    0,     555,   753,   518,   2501,  0,     8984
yes,   0,     278,   12,    349,   1438,  3,     4441
no,    0,     602,   901,   499,   2391,  0,     7989
yes,   0,     271,   3,     364,   1474,  1,     4599

再次使用Rattle生成SVM，并且Rattle的log选项卡为我提供了以下脚本：

library(rattle)
building <- TRUE
scoring  <- ! building
library(colorspace)
crv$seed <- 42 
crs$dataset <- read.csv("file:///C:/Users/mminich/Desktop/stackoverflow/trainingSummary2.csv", na.strings=c(".", "NA", "", "?"), strip.white=TRUE, encoding="UTF-8")
set.seed(crv$seed) 
crs$nobs <- nrow(crs$dataset) # 6 observations 
crs$sample <- crs$train <- sample(nrow(crs$dataset), 0.67*crs$nobs) # 4 observations
crs$validate <- NULL
crs$test <- setdiff(setdiff(seq_len(nrow(crs$dataset)), crs$train), crs$validate) # 2 observations
# The following variable selections have been noted.
crs$input <- c("time1", "time2", "time3", "time4", "time5", "time6", "time7")
crs$numeric <- c("time1", "time2", "time3", "time4", "time5", "time6", "time7")
crs$categoric <- NULL
crs$target  <- "result"
crs$risk    <- NULL
crs$ident   <- NULL
crs$ignore  <- NULL
crs$weights <- NULL
require(kernlab, quietly=TRUE)
set.seed(crv$seed)
crs$ksvm <- ksvm(as.factor(result) ~ .,
      data=crs$dataset[,c(crs$input, crs$target)],
      kernel="polydot",
      kpar=list("degree"=1),
      prob.model=TRUE)

不幸的是，即使有近1000个训练数据集，这两个结果模型给我的结果也只比我随机获得的结果好一点。我敢肯定，如果有一种方法可以避免爆破时间数据或不同传感器之间的区别，那会更好。我怎样才能做到这一点？顺便说一句，我不知道它是否重要，但是所有传感器的传感器读数几乎是在同一时间获取的，但是从一个读数到另一个读数之间的时间差通常在10％到20％之间变化。接下来（即在“训练”文件之间），而我对此无能为力。我认为忽略这一点可能是安全的（即，我认为只对1、2、3等数字进行顺序编号可能是安全的）。

Answer 1

SVM接受一个特征向量，并使用它来构建分类器。您的特征向量可以是6个维度，每个维度都来自不同的来源，并且时间是第七维度。收到信号的每个时间点都会产生另一个向量。创建每个大小为7的t向量，Vt，并将其作为特征向量。用您的数据填充它们，并将它们传递到ksvm。通过将t作为特征向量中的另一个特征添加，您不仅可以将在特定时间发生的所有数据相互关联，而且还可以帮助SVM了解它们是值的进展。
您可以选择Vt的子集作为训练集。您将必须使用正确分类的标签手动标记这些向量。