如何为火灾探测系统创建机器学习模型？

Question

最近我从机器学习开始。我想为实时火灾探测系统创建一个机器学习模型。输入数据是环境特征，输出数据是火灾可能性。当Time = 0时，我们设置了火。仅举例：

    Time  Temperature   CO   CO2 ... ...  Fire_Possibility
    -20   20            **   **           Low
    -15   21            **   **           Low
    -10   19            **   **           Low
    -5    20            **   **           Low
     0    22            **   **           Med
     5    25            **   **           Med
    10    27            **   **           High
    15    31            **   **           High
    ... ...
    ... ...

我试图用Weka训练神经网络，所以每时每刻，我都会计算每个属性的变化率和相对值，然后训练模型，如下所示：

    Time  Tem_Rate_of_change     Tem_Relative_value   CO   CO2 ... ...  Fire_Possibility
    -20   0                      0                    **   **           Low
    -15   1                      1                    **   **           Low
    -10   -2                     -1                   **   **           Low
    -5    1                      0                    **   **           Low
     0    2                      2                    **   **           Med
     5    3                      5                    **   **           Med
    10    2                      7                    **   **           High
    15    4                      11                   **   **           High
    ... ...
    ... ...

但我无法获得高精度的模型。我认为最好使用过去的所有值进行检测，而不是在一瞬间使用值。 我不知道是否存在可以在过去的一段时间内用值训练的机器学习模型。有人可以帮帮我吗？

Answer 1

对于你的情况，我认为你需要做的至少是三件事：

• 特征工程：仔细设计一系列功能，包括从数据中选择相关特征，创建衍生特征，丢弃非相关特征（例如，我认为您当前的时间不是相关特征，或者是否存在数学关系/相关性时间和火灾之间的可能性？）。您可以从功能选择算法和包中获得帮助。
• 执行“机器学习诊断”并绘制学习曲线：这将帮助您确定您是否有过度拟合，过度拟合，并根据您的结果定义您的后续行动（根据具体情况，指南）
• 执行错误分析：分析一些错误分类示例，并验证其中是否存在模式或共同行为，对它们进行分类并考虑可以帮助执行更好分类的操作。

另一个建议：不要尝试三级分类，而是尝试二元分类，得到一个介于0和1之间的实数，表示着火的可能性。