利用时间意甲预测另一个变量

Question

我想分析空间中的头部旋转数据。为此，我在15赫兹测量了围绕X，Y和Z角旋转10分钟多一点。我想用这些运动来分析第二个变量，也是连续的，但只有一个度量。我有35个参与者，如果有必要的话，我只能使用一个比其他的更能提供信息的轴(Z轴)。我已经做过经典的分析(速度，变异系数等)，但是我想探索训练一个模型来预测第二个变量的可能性，但是我所能找到的只是预测一个数据项目跟随时间序列。有什么想法吗？提前感谢！

Answer 1

如果第二个变量是表示参与者是否头晕的二元变量，则需要考虑原始头部旋转数据以外的其他因素，以准确预测参与者是否感到头晕。

导致头晕的一个因素是内耳中液体的运动。为了捕捉到这一点，你可以计算出沿X，Y，Z轴的头部运动的速度和加速度，并分析这些信号的频率成分。具体来说，你可以观察加速度或速度的突然变化，并检查它们是否发生在已知与内耳干扰相关的频率上。

另一个导致头晕的因素是头部相对于重力的方向(我不知道是相对于空间站的地面还是相对于地球)。要捕捉到这一点，你可以计算头部在空间的方向，并寻找可能导致视觉和前庭系统不匹配的方位变化。

除了这些因素之外，你还应该考虑其他可能导致头晕的因素，比如血压或心率的变化，并利用它们来告知你提取的特征和你建立的模型。

如果这就是你想要的..。这似乎是一个复杂的问题。它需要特征选择，要做特征工程，您需要深入了解潜在的生理机制。

Answer 2

您所描述的任务类型有时称为时间序列外部回归。关于这方面的文献不多，但是一篇很好地介绍和评价了一些ML算法的论文是Tan等人，S，时间序列外显回归. 免责声明:我和一些作者是同一个研究小组的成员。

我注意到你标记了这个“神经网络”。原则上，任何用于时间序列分类的神经网络只要用线性层代替softmax输出层，就可以很容易地适应外部回归。然而，35个实例并不是训练神经网络的大量数据。