Логистическая регрессия для системы координат

Question

Я учусь применять различные методы машинного обучения. Теперь мне порекомендовали логистическую регрессию для моей проблемы, но я не могу понять, как применить ее к моему набору данных.

У меня есть набор данных с координатами xyz в качестве временного ряда, где каждая строка содержит данные xyz для одного испытуемого, помеченные буквой A или B. Я хотел бы классифицировать, является ли новая строка данных xyz будет принадлежать условию A или условию B. Можно ли применить логистическую регрессию к моим данным, когда мне придется классифицировать, просматривая набор координат на основе временных рядов? Например. могу ли я использовать логистическую регрессию для прогнозирования, принадлежит ли набор координат временного ряда условию A или условию B?

Следующий массив является примером, где каждый набор из трех координат представляет XYZ-координаты этого периода времени.

array([array([[array([[0.01889996]]), array([[-0.28033654]]),
    array([[1.4816033]]), array([[2]], dtype=uint8)],
   [array([[0.01381396]]), array([[-0.28270772]]),
    array([[1.50570126]]), array([[2]], dtype=uint8)]

Answer 1

Вы можете использовать концепцию feature engineering, известную как lag-feature, для сохранения последовательности. Например, метка для координат, вероятно, будет зависеть от последних или 2-х последних координат. Таким образом, вы можете использовать 2 последние строки объектов вместе с текущей строкой, с выводом текущей строки в качестве цели. Это efficient метод для сохранения такой взаимосвязи в данных. Вот ссылка для получения дополнительной информации.

Вы также можете попробовать recurrent-network, что является еще одним лучшим способом отслеживать time-relation в данных.