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?
答案 0 :(得分:1)
对于你的情况,我认为你需要做的至少是三件事:
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。