时间序列数据多级分类

Question

这是一个非常普遍的问题，因为我仍然处于机器学习的学习阶段。我有一些关于有问题的仪表的实用数据。即使这些数据是“时间序列”，我也相信我可以对数据进行多类分类(查看3个标签)，但在我沿着这条道路前进之前，我想听听一些意见。

我一直在做一些功能工程来派生其他数据点，以帮助分类过程(下面的例子是列"Error1“和"Error2")。

仪表分为两类，一类是估计问题="1"，另一类是非估计问题="0“。

我的数据集大致如下(我有几个其他错误特性)：

 Estimated     Meter ID          Date             DaysInDuration    Error1  Error2
     0            BBA         11/19/2019               31              0       0
     0            BBA         12/19/2019               62              1       0
     0            BBA         12/19/2019               92              1       0
     1            JJL         11/2/2019               120              1       0
     1            JJL         12/2/20019              150              1       1    
     1            JJL         1/20/2020               180              2       2    

我想尝试的是使用一个可以处理多类分类(可能是决策树)的分类模型，并生成如下所示的输出：

 Estimated     Meter ID          Date             DaysInDuration    Error1  Error2   Classification Label   
     0            BBA         11/19/2019               31              0       0            1
     0            BBA         12/19/2019               62              1       0            1
     0            BBA         12/19/2019               92              1       0            2
     1            BBA         11/2/2019               120              1       0            3
     1            JJL         12/2/2020                30              1       1            1
     1            JJL         1/20/2020                60              2       2            1

Labels Meaning = "1" = low risk issue/ "2" = medium risk issue/ "3" = high risk issue

该模型将对"1“、"2”或"3“进行分类，这取决于表在"DaysInDuration”列中的天数以及"Error1“和"Error2”列中的计数错误数。

在我看来，分类仍然有效，包括使用火车测试分割，因为在典型的时间序列问题中，分类更多地来自其他数据点，而不是实际的顺序依赖。

Answer 1

你的时间间隔似乎是不规则的。对于大多数时间序列的例子，我们有固定间隔的观测，例如每个季度的GDP。相反，您可以创建一个常规的机器学习模型。如果您认为存在某种时间组件，您不希望1月数据对11月数据进行预测，那么您可以手动创建交叉验证分区，而不是随机创建它们。

但是，您正在基于低、中或高DaysInDuration来预测1、2或3。分类器不会知道低和高之间的距离比低和中等更远。相反，您可以创建一个预测DaysInDuration为目标特性的回归模型。一旦你有了你的预测(例如31)，你可以采取相应的行动，无论预测是低的，中等的，还是高的。

最后，您将无法使用DaysInDuration作为一个功能来预测Classification_Label，因为它每次都会给出完美的答案。那将是目标泄漏。