我目前正在研究时间序列女巫 430 属性和大约。 8 万个实例。现在我想对每个实例(而不是整个 ts)进行二进制分类。我发现的关于分类 TS 的所有内容都在谈论标记整个事情。
是否有可能用 SVM 之类的东西完全无视数据的顺序性来对每个实例进行分类，或者这只会导致非常糟糕的分类器？
还有哪些其他选项可以对每个实例进行分类，但仍将数据视为时间序列？
最佳答案
如果数据被标记，你可能会幸运地将属性连接在一起，因此每个实例成为一个单一的长时间序列，并通过应用所谓的 Shapelet Transform .这将导致每个时间序列的值向量可以输入 SVM、随机森林或任何其他分类器。选择正确的 shapelet 可能会让您在对实例进行分类时专注于单个属性。
如果没有标注，可以试试unsupervised shapelets应用程序首先探索您的数据，然后继续上述 shapelet 变换。
关于time - 多元时间序列分类，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/25959252/