我开始使用机器学习和分析，我的方法是直接使用数据并学习方法/工具。
我有一组事件数据，使用具有唯一ID的RFID芯片记录人们进出房间的移动，以便我有一个芯片进入房间和何时离开的时间戳。我想根据他们进出房间的动作对芯片ID进行分类。
例如，
这是我的四个主要类别。
到目前为止，我尝试过k-means聚类。对于每个芯片，我计算一些可以指示特定类别的参数：在房间中花费的平均时间，一周中看到的天数，在房间中花费的总时间以及每天的平均入口/出口数。
有了这个，我已经看到了一些合理的结果，但是根据我使用的参数，结果会有很大差异。看一下我在图上生成的芯片参数，分类中存在很多变化。我没有任何好的训练数据，这就是我首先尝试分类方法的原因。
我主要是在寻找一些可能更好的算法或技术的建议，或者即使我的方法已经过时了。如果需要，我可以提供代码或虚拟数据，但我真的只是在寻找一个好的方向。
答案 0 :(得分：0)
听起来像是一个有趣的问题！以下是一些可能为您提供一些好主意的一般性建议。
首先，如果您能够通过对此数据建模来确定您尝试实现的某种目标，那将非常有用。可能是你想要识别入侵者，或者了解有多少不同类别的RFID徽章（你在问题中列出了四个，但如果真的有五个或十个？），或完全是其他任务。您可能需要不同的数据，具体取决于您确定的任务，但它会很有用，因为您可以衡量您正在尝试的是否实际工作。希望这是有道理的。
其次，如果您正在使用k-means（或任何聚类算法）以无人监督的方式对数据进行建模，那么规范化数据的功能是个好主意。假设您只有两个功能 - 一个表示最后一个进入房间的小时，另一个表示一个月内的总入口数。第一个特征的值将在[0,24]范围内，而第二个特征的值可以在0到1000之间（比方说）。然后，当您计算数据点之间的距离时，第二个特征可能主导距离计算，因为数值更大。首先，尝试从每个特征中减去均值，然后除以标准差。如果不出意外，这有望使您的要素集更加稳定。