多变量时间序列(多到一个关系)

Question

我正在为我的暑期实习做一个机器学习项目，希望有人能帮忙。我是新领域的ML和仍然在学习，所以请容忍我的尝试，以一个解释。

给我输入多个生物反应器(20)的连续数值数据(x值/特征)，包括PH、搅拌速率、葡萄糖水平等。每个生物反应器的数据间隔30分钟，收集11天。这产生了大约500-600行数据，每个生物反应器。每个生物反应器只有一个对应的输出(y值)来代表产品质量(最终效价)。所以每个生物反应器只有一行作为输出，总共有20行。

如何训练输入和输出关系为多对一的ML模型？换句话说，如何用连续11天的数据训练我的模型来预测每个生物反应器的产品质量？任何与此相关的资源都会很有帮助！

Answer 1

如果我正确理解，您得到了20个timeseries数据集(每个反应堆1个)，在一个timespan t之后，将为整个timeseries签名一个质量标签。

从这里开始你可以采取很多不同的方法。首先做一些探索性分析可以帮助您更好地理解基础数据。

换句话说:您的质量标签是由单变量特性决定的，还是由您的系列中的值随时间的发展而确定的。

为每个生物反应器的每一行指定质量标签，并进行一些绘图，例如使用海运散射图，并在一段时间内用色调=目标变量x绘制每个特征y，或者使用盒图/配对图检查数据，而不考虑时间因素。

如果时间因素与预测你的标签无关，只需移除这个柱，将你的y应用于每一个观察到的反应堆行。