如何在ML心中处理这个问题？

Question

我有一个时间序列数据集，其中包含每个单位随时间推移的产品能耗。它还包含单位尺寸，如型号，使用年限，产品版本等。

我们希望找到一致显示更高消费量的单位集群。

数据集如下所示：

EventDate, UnitID, energyConsumptionRate, Model, YearsOwned, SoftwareVersion

5/1/2018      100            103             M3            1            2.1

5/2/2018      100             42             M3            1            2.1

5/3/2018      100             78             M3            1            2.1
....

每天一个，该单位将报告一个事件。我应该从哪里开始？

-Ch

Answer 1

Imho你可以通过有监督的学习来做到这一点，不需要无监督学习（=聚类）。

1. 将功能Event Date转换为number of days since start，将每个unitID的最早日期视为第一天（此时此功能为0）。

2. 将功能Model和SoftwareVersion转换为热门编码的分类功能。

3. 标准化所有数字要素，使得值为[0,1]或[-1,1]范围内的浮点数或该值范围内的某些值。

4. 制作一组所有unitID。

5. 删除该组的10％并将其命名为＆＃34;验证集＆＃34;。

6. 删除该套装的另外10％并将其命名为＆＃34;测试套装＆＃34;。命名剩余的80％＆＃34;训练集＆＃34;。

7. 使用属于训练集中unitID s的条目计算模型。如果您有至少10-100k条目，则使用神经网络;如果您的条目少于此值，则使用高斯过程。该模型将功能number of days since start，Model，YearsOwned和SoftwareVersion作为输入和目标来预测energyConsumptionRate。

8. 提前停止验证集（如果您使用NN）。

9. 将结果模型应用于测试集中属于unitID的所有条目。

10. 这样做10倍，因此每个数据点都在test set一次，而您的表格中包含来自步骤9的基于测试集的模型预测涵盖每unitID }。

11. 查询以查找实际unitID远远高于模特所说的所有energyConsumptionRate。

你可能只需要一个非常小的模型，几乎没有自由参数。也许你也可以通过复杂的SQL查询和基本统计​​来实现你的目标，而不是使用机器学习。