为时间序列分类选择正确的参数

Question

我在研究中遇到了数据源的巨大挑战。基本上我有六种类型的事件被注册用于后期处理。此事件与过程中使用的一种离子以及设备上发生事件的位置有关。图1显示了每种偶数的平均曲线。

图片1

我的目标是对寻找此曲线的离子类型进行分类，使用从每条曲线中提取的四个参数来研究曲线I peak value [max value]，middle length[red line]，Rising time[green]和Base length [ blue]，如图2所示。

图片2

我使用两种类型的算法尝试对曲线K-means和LDA进行分类，但此时的结果并不清楚，我没有好的聚类和分类器，我运行SOM算法，得到了更好的结果，但不是非常令人满意。我相信参数不是很好的选择。我怎样才能有良好的参数指示？如何为分类器选择正确的参数？在这种情况下有好的做法吗？

Answer 1

一种方法是设计一个比较两件事的实验。例如，您想知道参数是否良好。尝试一组不同的四个参数，例如四个固定时间间隔的振幅（例如20ms，30ms，40ms和50ms处的振幅）。当您将原始参数集与新集合进行比较时，您将得到的结果显示，对于那些测试条件，一种方法优于另一种方式。也许一组为分类任务提供了另一组相关信息。

这假设您有一些已知分类的数据。最好使用与测试集分开的不同训练集。

或者，如果你的实验只是kmeans vs LDA，哪一种效果更好？好多少？你知道为什么吗？

最后，您将进行大量实验，每个实验都会比较两件事。它可能会帮助您描述您的发现。