使用机器学习进行模式识别

Question

我有很多系统的演化曲线（按时间），如图像。 当系统以正常方式运行（“确定”）时，将绘制这些演化曲线。

我想训练一个模型，该模型在正常行为时学习曲线的形状（或形状的一部分），以便能够将新曲线分类为正常（或异常）。

要使用该模型的任何想法，或如何进行？ 谢谢

Answer 1

您可以执行PCA，然后进行分类。同时寻找functional data analysis

这是一个不错的getting started guide with PCA

Answer 2

您可以从标签（注释）图像开始。标签可以是0/1的“普通” /“非普通”标签，也可以是您想要将数据划分为多个类。

由于它是图表，因此方向很重要，错误的方向会破坏图像的含义。 因此，请制定一种在阅读时始终以相同方式定向图表的算法。

现在完成标记，您需要训练这些图像以进行正确的分类。

• 根据需要扩展数据
• 找到图像分类模型
• 使用训练有素的体重
• 以所需格式为您提供图像和注释
• 训练模型
• 检查输出错误或分类错误。
• 在分类的情况下创建一个评估矩阵，例如混淆矩阵。 如果模型正确，并且训练正确，您将获得良好的准确性。 否则，请重复这些步骤。

这只是一个概述，您可以以此开始实现自己的目标。