如何预测对象的状态

时间:2018-10-01 11:13:24

标签: machine-learning scikit-learn

我是机器学习的新手,我想探讨一下这项技术是否可以帮助解决我的问题。我遇到一种情况,我试图根据有关其当前状态的信息来预测一件重型设备的状态(装载灰尘或拖运灰尘的东西),但更重要的是,根据周围其他资产的输入来预测该设备的状态。例如,让我们专注于运输资产,并假设运输工具有三种状态:装载,运输,倾卸。如果仅以“加载”状态为例,则可以使用某些功能来实现资产本身: 支撑杆压力-承载的污垢越多,支撑杆压力越高 发动机怠速-发动机怠速的事实可能意味着它正处于装载状态 位置-资产当前所处的位置(经/纬度)可能表示装载地点 将其提供给模型是很好的,但是如果我可以提供同一附近其他资产的详细信息,则可以大大提高准确性,在此示例中,我们将重点放在装载运输资产的资产上。我希望对加载程序很重要的功能包括: 另一资产(纬度/经度)的接近程度-装载机靠近运输车的事实(持续x个时间段)。 装载牵引车的装载机设备的传感器值。例如,指示装载机的铲斗高度刚好在牵引的支柱压力增加之前。 有效载荷-装载机本身中的物料量。

我对可以使用的功能有很好的了解,但是如果来自不同资产的功能的数量,种类和上下文不同,我不确定如何将这些记录提供给ML算法。我阅读的每个ML示例都以行的形式(如CSV格式)提供了完全相同的要素数据,并且大多数要素似乎都有价值。在我的场景中,并非所有资产都具有相同的功能,但是它们一起可以使模型更准确。此外,我真的很想添加资产都没有的其他功能,例如一些有关两个资产何时紧邻(即它们都在加载区域中)或相距遥远(向下移动)的地理空间详细信息的元数据归类为“运输区”的道路。

所以我的问题是:

  1. 鉴于一个站点中可以有很多资产,我是否需要每个资产一个模型,或者可以使用一个模型?
  2. 如果是一个模型,那么是否适合在行稀疏的行中输入要素数据,还是有另一种输入数据的方法? 如果我需要每个资产一个模型,那是否就意味着每个模型都必须从所有其他资产中获取所有数据?似乎是可伸缩性问题。

0 个答案:

没有答案