回答情况：
提问时间：
问题标签：
2回答
我正在构建磁盘故障的预测模型(发生磁盘故障所需的时间以及哪些参数会对磁盘故障产生强烈影响)。我有点困惑于-由于数据高度不平衡，我应该考虑哪些类型的机器学习模型？
几天前，我读到了关于生存分析的文章，现在我陷入了一个难题:问题是生存分析还是机器学习？我目前正在使用BackBlaze(https://www.backb
浏览 0提问于2016-07-20得票数 3
第0、1、2、3列是四种时间序列数据。当机器正常时，它会给出正常的可预测数据。在故障模式下是完全不同的。在故障模式下是明显不同的，接近于零。 我需要预测机器何时处于故障模式和故障模式？
浏览 38提问于2020-03-06得票数 0
我有一个数据集，其中包含不同引擎的特性，显示它们何时失败。我想要建立一个监督学习模型，以预测一个发动机是否会有一定里程的故障。不幸的是，我有一些引擎从未失败的数据，我需要将它们添加到我的数据集中(这些引擎确实从未发生过故障，但它们将帮助模型更好地查看引擎的生存期)。有谁能帮我把这些非故障数据添加到失败数据中吗？
最好的
浏览 0提问于2019-09-05得票数 1
我有一个电子元件，它的传感器记录各种子元件的温度、电流和电压值.这些读数是按一定的时间间隔进行的，我将它们组织为数据集的记录。除了这些特性之外，如果组件正在发生故障或没有故障，则dataset有一个值为1或0的列。下面是dataset结构的一个示例：我的目标是建立一个模型，能够预测故障的发生，随着时间的推移，所以我认为这是一个多变量时间序列预测问题。
我能用什么方法来实现这个目标呢？
浏览 0提问于2019-08-06得票数 1
我正试图根据报警数据来预测机器故障。每年大约有4000台机器故障。这些标记很差(它是手动输入的，可以有多个名称用于相同的故障)。此数据集以下列方式由时间戳、故障名称和故障描述组成。警报在故障点开火，但也有很大比例的情况下，有多个相关的警报激活数周前，是无法采取行动，因为剪切数。此数据集由时间戳、警报id和警报描述组成，如下所示。我试图找出最好的方法，首先清理/修
浏览 0提问于2020-07-12得票数 1
所以现在我正在做我的项目(“FoF中的故障预测模型”)，我将要使用的工具是RapidMinder，但是我需要有一个数据集来运行这个工具，我找到了一个很好的数据集描述，可以在美国宇航局网站https://datasetId=dc5d-zf5v上提供帮助，但是我不知道如何以CSV文件的形式访问数据本身。
浏览 0提问于2016-03-01得票数 0
我正在尝试为打印机生成SNMP数据，以便稍后使用预测算法进行分析，以便能够在打印机实际发生故障之前将其排除在外。我寻求关于如何最好地收集数据并将其准备成像.csv这样的数据集格式以便将其输入到我的分类器的建议。 都会非常感谢你的帮助 干杯!
浏览 20提问于2020-03-26得票数 0
1回答
我想要预测机器的故障。我的数据框包含两列，第一列是日期，第二列是逻辑(0表示工作，1表示故障) ex。label13/5/2015 115/5/2015 0
根据上面的数据框，我想提前一天预测故障日期，请告诉我应该使用哪个模型来预测</
浏览 16修改于2020-02-13得票数 1
1回答
我正在研究生产场景中机器故障的行为。为此，我生成随机数据，形成我的不平衡训练集，由分类数据组成，这些数据指示每个子周期中是否存在故障。故障是按指数分布产生的。我有24个特性(Period_1到Period_24)，每个特性都包含448个子周期的历史故障信息。此外，我还有三个特征，包括温度、水分和压力(由正态分布产生)。我的目的是根据这些特性来预测下一阶段的故障行为。
我使用了ROC度量，并考虑了处理不平衡数据
浏览 0修改于2020-08-12得票数 0
我正在研究一个实时传感器数据集，并从可用的数据集中寻找异常模式(导致机器故障)。什么样的算法最适合这种情况？在python中执行预测分析的基本步骤是什么？
如果我的问题没有正确的表述，请纠正我。
浏览 0修改于2019-04-06得票数 2
1回答
我有一个具有A...F特征的数据集用于训练。现在我的预测数据集预测的关键特征没有在训练集中使用的3个特征的观测值。因此，我只有一个用于预测的特征子集，而神经newtork是针对更广泛的特征进行训练的。
我该如何处理这样的问题？你能使用神经网络来处理缺失的特征吗？我的想法如下:首先，我在训练集上使用神经网络，但现在在缺失的特征上进行训练。因此，我可以预测预测数据集中缺少的3<
浏览 3提问于2017-05-07得票数 0
我有来自传感器的时间序列数据集，任务是预测故障事件发生前的时间。数据集只有一个特性，有近2000万行。这是一个回归问题。我的模型是线性回归模型，数据集进行了缩放，目前只有两个特性改进了我的模型。传感器数据和扩展和。除了深度学习之外，还有其他解决这个问题的建议吗？
浏览 0修改于2020-02-16得票数 2
我收到了来自许多捕获器的数据，我想用线性回归实时预测电子故障(我想在我的模型中添加新的值)from sklearn.linear_model import LinearRegression0= no problem; 1 = electronic failuremodel = LinearRegression()
# Pred
浏览 8修改于2019-07-29得票数 1
我将做一个研究项目，其中涉及到预测发动机即将发生故障的时间数据从传感器获得。这些数据基本上包含了几个月内每10分钟一次的各种嵌入式传感器的读数。这些数据可用于大约100个不同的单元(所有都是相同的发动机型号)，以及故障时间。
虽然我对机器学习有一个相当好的理解，但我对此却不知所措。我做了一些涉及静态数据集的项目(使用支持向量机、神经网络、Logistic回归等)。甚至是预测时间序列的。但这完全不同。虽然该项目涉及时间数据</e
浏览 0提问于2014-09-12得票数 3
回答已采纳
2回答
当这些设备出现故障时，将对其进行维修。假设我的数据集如下所示：Type示例数据：|1 | iphone | 1||3 | android | 1 ||5 | blackberry| 0 |
我想做的是，我想预测
浏览 0修改于2015-09-28得票数 4
回答已采纳
给出一些预测数据集，数据集1: 100培训和100个测试样本，50个特征数据集3:1000个训练和1000个测试样本，50个特征如何从这些数据集的下列
浏览 0修改于2020-12-18得票数 6
我用多元回归建立了一个大规模气象数据集的线性模型。我的目标是使用该模型“预测”某一时期的数据，使用预测器1、2和3，然后将这些预测数据与该期间的观测数据进行比较。到目前为止，我的方法是为预测值创建一个新的向量，并通过该向量循环，根据提取的线性模型的系数创建预测值。然后，我将简单地从观测值中减去预测值。由于某些原因，这种方法导致新的预测向量为NULL。“数据
浏览 2提问于2016-06-09得票数 0
回答已采纳
1回答
我正试图根据过去的历史数据建立一个预测模型。根据过去一年的数据，我有关于具体机器故障的详细信息。我有2016年几个月和2017年1月至11月的数据。我正试图预测这台机器在12月是否会出现故障。我根据我执行的数据转换，附上了过去的历史数据。我被困在如何建立一个模型，以确定机器是否抛出任何修理或更换在未来一个月。
我需要建立一个分类模型，以确定机器是否出现故障。我将如何表示每个传感器数据列。本质上看正确
浏览 0提问于2018-09-18得票数 1
我正在与一家公司合作一个项目，开发用于预测性维护的ML模型。我们拥有的数据是日志文件的集合。在每个日志文件中，我们都有来自传感器(温度、压力、MototSpeed等)的时间序列。和一个变量，我们在其中记录发生的故障。这里的目标是构建一个模型，该模型将使用日志文件作为其输入(时间序列)并预测是否会出现故障。为此，我有一些问题: 1)能够做到这一点的最佳模型是什么?2)处理不平衡数据的解决方案是什么？事实上，对于某些类型的故障，我们没有足够的数据。在将时间
浏览 4提问于2020-06-02得票数 0
我有许多csv数据集，其中每个数据集最多有5个变量。变量名称是字母数字(z1、z2、z3、z4和z5是变量名称)。因此，每个数据集可以有上述变量的任意数量的组合，最多5个变量。我需要运行proc reg，预测变量是任何特定数据集中的所有变量。例如，如果我的第一个数据集使用z1和z2作为变量名，那么我需要使用z1和z2作为预测变量来运行prog reg。如果下一个数据</em
浏览 1提问于2016-11-24得票数 0
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号