我有来自传感器的数据1个月。数据是时间序列，每个数据点间隔1秒。有这些传感器记录的温度，压力，风扇速度等预测指标。 根据这些值记录事件。因此，如果引擎正常运行，则事件= 0，否则事件= 1，并且此事件持续相当长的时间，例如接下来的10分钟，并再次恢复正常。
我试图根据预测变量的值预测下一个事件的发生。我尝试了Cox比例风险模型，但生存曲线不准确。尝试随机森林，但模型结果不是很好。模型精度始终为100％。
可以对时间序列数据使用生存分析吗？ 群集会有帮助吗？
答案 0 :(得分：0)
“我正在尝试根据预测变量的值预测下一个事件的发生”。好吧，似乎聚类不是你想要的。搜索线性回归或时间序列回归方法。这里有一个简单的介绍：http://onlinestatbook.com/2/regression/intro.html以及更多的学术资料：http://unstats.un.org/unsd/hhsurveys/finalpublication/ch19fin3.pdf。希望它有所帮助。