具有时间序列数据的K-最近邻.如何获得全时周期估计量

Question

我有一个大型数据集，用于描述工厂多名员工长期从事的活动-- 01/01/2017 - present。不同工作人员所开展的活动在每个时间点都会被记录下来(因为他们与软件交互)。我把这些记录下来，记录了每个经营者每天所做的活动的数量。

我的桌子是这样的：

Date         Name    Activity  UnitsProcessed   Shift      Team
01/10/2017   MMouse  Soldering   1000           Shift A   Team A
01/10/2017   MMouse  Welding     3000           Shift A   Team A
01/10/2017   DDuck   Soldering   4000           Shift A   Team B
01/10/2017   DDuck   Welding     1000           Shift A   Team B
...
02/11/2017   MMouse  Soldering   1100           Shift A   Team A
02/11/2017   MMouse  Welding     2900           Shift A   Team A
02/11/2017   DDuck   Soldering   4010           Shift A   Team B
02/11/2017   DDuck   Welding     900            Shift A   Team B

每一行代表每个操作员每天所执行的活动，以及在每个活动期间处理的单元数，以及操作符所属的shift和team的分类器(为简单起见，假设这一点不会随着时间的推移而改变)。

为了简洁起见，我省略了换班B的值，但从本质上讲，轮班B的团队成员(通常)将(通常)从轮班A工作到不同的日子，但执行任务的比例通常与A班组或B班组的相应团队相似。

我想解决的问题是:我为另一个操作符"GOofy“处理了日期、活动和单元以及各种其他变量。但我不知道GOofy先生在哪个班组工作。因此，我使用鼠标先生和达克先生(在现实中是几十个人)的数据，看看我是否可以尝试训练kNN来正确猜测每个名字的班次和团队模式，其中包括日期、活动和单位处理字段。

我的想法是：

( a)保持团队和班次分离没有特殊的价值，因此我应该创建一个将两者结合在一起的联合列。

( B)如果我为“焊接”、“焊接”和其他活动创建单独的栏，我可以按日期对每一项活动每天处理的单元数。考虑到所执行的活动类型(我假设)是轮班/团队组合的一个强有力的预测器，那么我应该能够根据该线的日期(可能转换为一个数字日期)和每一行焊接、焊接等的相对值来训练识别shift/team。

问题是，当扩展到测试集时，这只会给我每一天的预测值。但我怀疑工作的日子也是一个重要的预测因素，所以我想把这也包括在内。但我不知道该怎么处理。

我能想到的两种方法是：

选项1:使用kNN为每个操作员/日组合生成shift/team的估计值，x变量为日期、单元焊接和每天焊接的单元，然后为每个操作员计算"Shift A，Team A“、"Shift A，Team B”等被分配给该操作员的时间比例--因此，如果DDuck在90%的时间内被分配为"Shift A，Team A"，那么DDuck很可能确实是"Shift A，Team A“。

选项2:以某种方式创建一个变量，该变量表示每个操作符的所有工作时间--尽管我不知道如何做到这一点--从而创建一个包含每个操作符一行的集合。

这些方法中的任何一种有效吗？是否有一种广泛使用的替代方法？

请注意，这并不是与kNN和时间序列数据有关的问题的重复，因为这些问题与预测有关，而我试图分析回顾性数据。

Answer 1

你有更多的数字功能吗？KNN的工作距离(欧几里德，L1等)这需要数字数据。它不接受分类数据。您的活动特性将不适用于KNN，甚至将日期转换为整数只会创建一个在KNN中性能不佳的时间序列。我觉得你走错路了。尝试logistic回归。它将兼具分类和数字功能。

保持团队和班次分离没有什么特别的价值，所以我应该创建一个将两者结合在一起的联合列。

我会为团队和班次建立两个独立的模型。您将获得更高的准确性，因为您使用数据来预测更少的类，并让模型专门处理每个任务。

总的来说，我会使用逻辑回归，而不是KNN。这更适合你的问题。希望这能有所帮助。