我想使用某种描述的AI / TensorFlow /机器学习来识别一组数据中的模式。
大多数机器学习样本似乎都是基于决策制定的，无论值是高于还是低于直线，那么决策的好坏。但是我似乎拥有的是一组数据，这些数据可能有或没有任何关系，可能有或没有某种模式，并且单个实体本身既不好也不坏，但是整个数据集在一起需要用于计算数据类型。
有问题的数据是一段时间内从汽车CANBUS读取器中读取的一组数据-因此十六进制值包含命令ID和一个或多个值，通常采用以下格式：FFF＃FF：FF：FF： FF：FF：FF：FF：FF
例如：
35C＃F4：C6：4E：7C：31：2B：60：28
一个canbus命令可能包含一个或多个传感器读取器-例如，上面的F4可能表示转向位置，C6可能指示车辆的俯仰角，4E可能指示侧倾。
每个传感器可能占用一个或多个八位字节，7C：31可能指示车辆的速度，而“ 2B”的“ B”可能指示发动机是否在运行。
我可以用肉眼检测数据，并且可以看到相关项目可能是线性，随机，静态（即一组有限的值），或者可能是钟形曲线。
对统计分析和机器学习不熟悉，所以不知道其术语。首先，我正在寻找术语和对适当材料的引用，这将有助于我实现自己的目标。
我的目标是从CANBUS读取器中获取数据样本，以便使用数字的每种可能组合（例如八位字节1、1 + 2、1 + 2 + 3 ... 2、2）扫描所有值+ 3、2 + 3 + 4 ... 3、3 + 4等）来检测数据中的模式，并确定这些模式是线性，曲线，静态还是随机的。
我想基本上从尽可能多的汽车中读取尽可能多的CAN-BUS读数，将其投入程序中进行一些分析和学习，并希望为我提供进一步研究的可能性，以便我可以监视不同系统上的各种系统汽车。
这似乎是一个相对简单的前提，但对我而言却很难定义。