基于机器学习的汽车故障预测

Question

我想从机器学习开始，用一个小的预测问题，但我不确定我选择了正确的方法。我想要做一个程序，获取汽车的机械故障数据(制造时间，故障时间，原因，和汽车的不同特点)。然后，我会给出新汽车的数据，这些数据将被发布到市场上，我会试图预测它们何时会失效。

我读到最好的方法是用R进行生存分析，但是由于我对这个算法不太熟悉，我想知道是否还有其他的方法。

Answer 1

我也只是一个ML的初学者(然而，他不熟悉生存分析w/ R)，但我已经处理了一些ML项目。根据我的知识，你可以使用监督学习。

存储数据，最好以CSV格式存储(关于购买汽车与汽车机械故障之间的持续时间的一列)，以及关于汽车数据/特性的其余部分。

接下来，您可以在数据中运行一个神经网络，并使用NN库的预测()方法来根据数据预测故障前的持续时间。

从理论上讲(假设数据之间存在逻辑关联)，您可以看到哪些特性最容易导致汽车故障。

至于实现您的程序，我在Keras库中使用Python，这对任何程序员来说都很简单，但是还有许多其他很好的ML库，特别是TensorFlow。

请注意，我也只是一个初学者，我的方法可能是错误的，但我祝您在未来的ML项目好运！

Answer 2

我认为您应该首先明确说明协变量是什么，目标变量是什么，目标是什么。

因此，如果您将car的属性作为协变量，目标变量是失败时间(car在1y，2y.中失败)，那么最好的方法就是生存分析，因为您试图将时间建模到失败。

另一方面，如果您的目标变量只是一个失败-是或否，那么这是一个分类问题。因此，决策树或Logistic回归等简单模型非常适合。

不要仅仅因为它的花哨而使用算法，也不要仅仅因为它们不是“机器学习”而不喜欢其他的方法。

你说过你想从机器学习开始，那就去吧。不要盲目地适应任何黑匣子模型，从简单的模型开始，看看里面它们是如何工作的。

话虽如此，还是选些更简单的吧。因为生存分析需要知识或回归以及更多的统计数据。

祝你好运。