약 40 차원의 시계열 (8 점)으로 구성된 일련의 데이터가 있습니다 (따라서 각 시계열은 8 x 40입니다). 해당 출력 (범주에 가능한 결과)은 0 또는 1입니다.
여러 차원의 시계열 분류기를 설계하는 가장 좋은 방법은 무엇입니까?
저의 초기 전략은 해당 시계열에서 각 차원의 평균, 표준, 최대 변동을 추출하는 것이 었습니다. RandomTreeForest를 훈련시키는 데 사용되는 데이터 세트를 얻었습니다. 이것의 완전한 순진함을 알고, 나쁜 결과를 얻은 후에, 나는 더 개선 된 모델을 찾고 있습니다.
내 리드는 다음과 같습니다. 각 차원에 대해 계열을 분류하고 (KNN 알고리즘 및 DWT를 사용하여) PCA로 차원을 줄이고 다차원 범주에 따라 최종 분류기를 사용합니다. ML에 비교적 익숙하지 않기 때문에 완전히 틀렸는 지 모르겠습니다.