• 1000 является значением для каждого датчика. Мы можем с уверенностью предположить, что данные в наборе обучающих данных являются нормальными и правильными данными. В наборе обучающих данных нет аномалий. Затем, после успешного построения модели с набором обучающих данных, мы будем использовать эту модель для прогнозирования результатов для Тестирование набора данных.Groundtruth предоставляется для тестирования набора данных, поэтому матрица путаницы может быть рассчитана для оценки нашей модели.
Для решения проблемы я уже использовал автоэнкодер метода глубокого обучения. Я использую окно длиной от 10 до получить копию 10 значений в наборе обучающих данных и сдвигать 5 шагов каждый раз, пока набор обучающих данных не будет исчерпан. Таким образом, я заставляю автокодировщик изучать форму, которую должны иметь правильные данные. Фигуры никогда не появлялись в наборе обучающих данных (правильный набор данных). считаться аномальными формами.
Итак, я хочу знать, есть ли какой-нибудь другой алгоритм для моего проекта? Я много искал, но многие алгоритмы, как мне кажется, не совсем подходят для моего проекта. Мне нужно сначала узнать, что правильно, а затем go предсказать. Но многие алгоритмы имеют только один набор данных, и их цель - найти аномалию в этом наборе данных. Я действительно понятия не имею сейчас.
Заранее спасибо.