分类多变量时间序列

我目前正在研究时间序列女巫430属性和约. 80k实例.现在我想对每个实例进行二进制分类(而不是整个ts).我发现的关于TS分类的所有内容都谈到了标记整个事物.

是否有可能将每个实例用类似SVM的东西进行分类,完全忽略数据的顺序性,或者只会导致一个非常糟糕的分类器?

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,您可以通过将属性连接在一起来获得好运,因此每个实例都成为单个长时间序列,并应用所谓的
Shapelet Transform.这将导致每个时间序列的值向量,这可以是馈入SVM,随机森林或任何其他分类器.可能是选择正确的shapelet将允许您在对实例进行分类时关注单个属性.

如果没有标记,您可以先尝试unsupervised shapelets应用程序来浏览您的数据,然后继续上述的shapelet变换.

点赞