SVM、MLP等可以对多变量时间序列问题进行分类吗？
我有一个多元时间序列数据集，我想用它做分类。基本上，这是一个脑电图数据集，它试图分类手是否在移动。
假设我有4个数据集，每个数据集对应一个目标值。数据集如下所示，例如：
sample1.csv
423 651 214 685
125 749 515 475
325 458 153 621
sample2.csv
125 632 489 452
129 563 245 248
782 345 156 369
sample3.csv
321 456 302 312
156 325 186 456
325 356 792 625
sample4.csv
156 632 156 456
268 364 356 156
123 456 128 421
target.csv
1
2
2
1
因此，基本上，target.csv文件保存每个示例#.csv文件的分类值。我们可以将其视为一个[3*4]矩阵（例如sample1.csv），对应或表示单个分类目标值“1”或“2”。
有没有可能用机器学习算法如SVM、MLP、随机森林等对这类数据进行分类？如果是这样，我如何将数据输入到模型中？
我的意思是，在某种程度上，机器学习算法将整个sample1.csv视为目标值为1的输入，将sample2.csv视为目标值为2的输入，依此类推？
谢谢！
我研究过这样的问题，但大多数时候，我都在寻找用LSTM完成的例子。
共有1个答案
我对数据集有点困惑。如果我认为列是通道，行是试验 /samples，那么你可以在上面应用离散小波变换来得到脑电图带。之后，您需要从中找到特征，如时域特征和熵。之后，您可以应用机器学习算法。如果你能提供关于你的数据集的更多细节，我可以给你更准确的答案。
-
我对时间序列分类比较陌生，正在寻求帮助： 我有一个包含5000个多元时间序列的数据集，每个数据集由21个变量组成，时间周期为3年，类别信息为1或0。我想做的是对一个新的输入进行分类，它在3年的时间内由21个变量组成。 就目前而言，经过几天的研究，我还没有找到（或显然没有理解）将多变量时间序列输入LSTM的方法。有没有可能的解决办法？ 我目前的想法是将5000个时间序列“合并”成一个，并向每个序列添
-
我试图使用LSTM模型对多元时间序列数据进行二分类。我在一天中收集了大约100天的7个属性（即100个大小[9000,7]的数组）。这些数组中的每一个都具有1或0的单一分类状态。 考虑到我对Keras和机器学习一般来说都是新手，我开始尝试建立尽可能简单的模型，但当我尝试训练他们时，我在输入形状方面不断出错。例如，我的第一层： 对于float64类型的X_列，大小为（100L、9000L、7L），我
-
假设我有一个这样的POJO: 我希望创建一个自定义序列化程序来输出以下内容： 但这里有一个问题，它不是特定于POJO1的。这意味着对另一个POJO进行相同的序列化： 或者任何具有 TypeA 或 TypeB 属性的类，这意味着这些方法可以更改。我不喜欢以基类或接口为目标，因为我的序列化程序将被开发我从未想象过的其他类的人使用。我一直在考虑注册TypeA和TypeB序列化程序，但它们似乎不允许我更改
-
主要内容：让棋子飞起来,SVM高维映射,SVM核函数,总结通过上一节的学习，我们知道 SVM 是一种用来解决性线性不可分问题的算法，那它到底是如何解决的呢？在本节我们将对其做出详细的解释。 让棋子飞起来 首先我们来回味一下《 初识 SVM支持向量机算法》一节提到的案例： 在一个棋盘上杂糅的摆放着黑白两种棋子，要求我们以最快的速度将它们各自分开，这时我们应该如何做呢？也许喜欢金庸武侠的小伙伴已经想到了答案。 假如你是一位拥有深厚内力的大侠，你直接可以拍盘而
-
我的任务是使用MATLAB和任何神经网络框架对时间序列数据进行分类。 更具体地描述任务：是计算机视觉领域的一个问题。Is是一项场景边界检测任务。 源数据是来自视频流的4个相邻帧直方图相关阵列。基于此数据，我们必须将此时间序列分为两类： “场景中断” “没有场景中断” 因此，每个源数据输入的网络输入是4个双倍值，输出是一个二进制值。我将在下面展示src数据的示例： 问题是，来自Matlab神经工具箱
-
问题内容： 我尝试从Newtonsoft.Json迁移到System.Text.Json。我想反序列化抽象类。Newtonsoft.Json为此具有TypeNameHandling。有什么方法可以通过.net core 3.0上的System.Text.Json反序列化抽象类？ 问题答案： System.Text.Json中可以进行多态反序列化吗？ 答案是肯定的 ，并 没有，这取决于你的意思是什么