机器学习:基于模式的数列分类

Question

我尝试过各种回归/分类器库，它们接受"5是坏“和"10是好”这样的训练输入，这样他们就可以告诉你7是坏的，8是好的。

现在，想象一个更复杂的例子:我有心率数据，有一些心率模式是好的，而其他模式是坏的。在这种情况下，仅仅说“心率120”是好的还是坏的都是胡说八道。你怎么处理这样的问题？是否有任何已知的ML/AI算法能够智能识别模式？

一个好的开端可能是一个分类器，我至少可以用一整组数字来训练，而不是一个数字？

Answer 1

实际上你想对时间序列进行分类。从这里开始，您基本上有两个选择：

1. 从这个时间序列构建特性，即RMS、峰值等。并使用“经典”预测器(如SVM或随机森林)对它们进行分类。
2. 使用神经网络，或者更具体地使用LSTM来直接输入“数字数组”，这是一个时间序列。