我对时间序列数据存在分类问题。
每个示例都有10个变量，这些变量以不规则的间隔进行测量，最后将对象分为2个可能类别中的1个（二进制分类）。
我只有在训练期间要学习的最后一课。但是当给出一个新的例子时，我想在每个时间戳（在线方式）进行预测。因此，如果新示例有25个测量值，我想对其类进行25次预测;每个时间戳一个。
我目前实现这一目的的方法是使用其10个变量的测量值的最小值，平均值和最大值，直到该点为分类特征。这是最佳的吗？什么是更好的方式。
答案 0 :(得分：1)
如果你必须在每个时间戳上做出预测，那么这不会成为时间序列问题（除非你打算使用先前观察的序列来进行下一次预测，在这种情况下你需要训练一个基于序列的模型）。假设您只能根据您观察到的最终数据训练模型，可能会有很多方法，但我建议您使用具有大量树的随机森林以及每棵树中的3或4个变量。这样，即使某些变量没有为您提供所需的输入，其他树仍然可以进行相当准确的预测。除此之外，还有许多合奏方法。
你目前的做法可能是一个非常宽松的近似和实用，但没有多少统计意义。