Настройка набора данных для классификации машин

Question

Мне очень жаль, если этот вопрос нарушает правила SO, но я застрял, и я не могу найти нигде больше, чтобы задавать такие вопросы. Предположим, у меня есть набор данных, содержащий три экспериментальных данных, которые были получены в трех разных условиях (горячая, холодная, удобная). Данные расположены в трех столбцах в pandas dataframe, состоящем из 4 столбцов (time, cold, comfortable and hot). Когда я рисую данные, я могу визуально увидеть разделение трех экспериментов, но я хотел бы сделать это автоматически с машинным обучением. Ось x представляет собой time, а ось y представляет данные magnitude. Я читал о различных машинных процессах classification techniques, но я не понимаю, как настроить мои данные, чтобы я мог «подать» его в алгоритм classification. А именно, у меня есть следующие вопросы:

1. Возможно ли это с точки зрения программирования?
2. Как настроить (упорядочить мои данные) так, чтобы его можно было легко ввести в алгоритм классификации? From what I read so far, для работы алгоритма данные должны быть в определенном порядке (см., Например, iris dataset, где данные красиво помечены. Как настроить алгоритмы в соответствии с моими потребностями? ПРИМЕЧАНИЕ: В идеале Я хотел бы программу, которая, учитывая значение величины, было бы классифицируют значение в качестве hot, comfortable or cold. Временной ряд не очень существенна в моем случае

Answer 1

конечно, это возможно.

Не совсем ясно из исходного сообщения, какие переменные/функции у вас есть для вашей модели, но здесь немного общего руководства. Все эти проблемы машинного обучения, от классификации до регрессии, опираются на одно и то же основное предположение о том, что вы пытаетесь предсказать некоторый результат, основанный на совокупности входных данных. Обычно это соотношение моделируется следующим образом: y ~ X1 + X2 + X3 ..., где y - ваш результат («зависимая») переменная, а X1, X2 и т. Д. - это функции («пояснительные» переменные). Более просто, мы можем сказать, что, используя всю нашу матрицу свойств X (т. Е. Матрицу, содержащую все наши x-переменные), мы можем предсказать переменную конечного результата y с использованием различных методов ML.

Так что в вашем случае вы бы постарались предсказать, является ли это Cold, Comfortable, или Hot на основе time. Это скорее проблема прогноза, чем проблема ML, поскольку у вас есть компонент времени, который выглядит как одна из наиболее важных (если не единственных) функций в вашем наборе данных. Возможно, вам захочется взглянуть на некоторые более простые методы прогнозирования временных рядов (например, ARIMA), а не на алгоритмы ML, поскольку некоторые из подходов ML временного ряда могут быть не совсем подходящими для новичков.

В любом случае, это должно заставить вас начать, я думаю.