Python机器学习算法识别已知事件

Question

我有两组数据。这些数据是电路中两点A和B的记录电压。电压A是电路的主要部件，B是子电路。 B中的每个正电压（1）被认为是B事件，（2）被认为是A的复合。我已经包括存在B电压事件的样本数据4,4,0,0,4,4。真正的训练数据集将拥有更多可用数据。

如何训练Python机器学习算法识别仅给出A数据的B事件？

示例数据：

V(A), V(B)
0, 0
2, 0
5, 4
3, 4
1, 0
3, 4
4, 4
1, 0
0, 0
2, 0
5, 0
7, 0
2, 0
5, 4
9, 4
3, 0
5, 0
4, 4
6, 4
3, 0
2, 0

Answer 1

一个想法：

from sklearn.ensemble import RandomForestClassifier

n = 5
X = [df.A.iloc[i:i+n] for i in df.index[:-n+1]] 
labels = (df.B > 0)[n-1:]

model = RandomForestClassifier()
model.fit(X, labels)
model.predict(X)

这是做什么的，它需要先前的n观察作为＆＃39; B＆＃39;的预测因子。值。在这个小数据集上，它达到了0.94的准确度（可能过度拟合）。

编辑：纠正了小的对齐错误。