使用时间序列数据进行故障预测

Question

我正在使用Python和Pandas。我正在一个预测性维护项目中，我的意图是预测在给定时间段（例如4-6小时）内发生故障的可能性。我已经对数据进行了预处理，并将其简化为以下内容： 数据集具有4个属性，即开始时间，结束时间，事件持续时间（这是开始时间与结束时间之差），第四个属性是失败或不失败的事件。 （1为失败，0为不失败） 示例数据如下：

START_TIME      END_TIME        DURATION_MINUTES    EVENT
2/15/2018 2:32  2/15/2018 2:32  0.566666667           0
2/15/2018 2:32  2/15/2018 2:33  0.916666667           0
2/15/2018 2:33  2/15/2018 2:33  0.116666667           1
2/15/2018 2:33  2/15/2018 2:35  1.283333333           0
2/15/2018 2:35  2/15/2018 2:35  0.083333333           0
2/15/2018 2:35  2/15/2018 2:35  0.166666667           0
2/15/2018 2:35  2/15/2018 2:35  0                     0

我大约有120000个数据实例。有人可以让我知道如何可视化并预测在任何给定的一天（4小时的时间范围）内发生故障（EVENT = 1）的概率

Answer 1

神经网络和一些深度学习应该成为算法上的路线