Могут ли SVM, MLP и т. Д. Выполнять классификацию по многомерным задачам временных рядов?

Question

У меня есть многомерный набор данных временных рядов, и я хочу провести с ним классификацию.По сути, это набор данных ЭЭГ, который пытается классифицировать, движется ли рука.

Допустим, у меня есть 4 набора данных, и каждый набор данных соответствует одному целевому значению.Например, наборы данных выглядят примерно так:

sample1.csv

423 651 214 685
125 749 515 475
325 458 153 621

sample2.csv

125 632 489 452
129 563 245 248
782 345 156 369

sample3.csv

321 456 302 312
156 325 186 456
325 356 792 625

sample4.csv

156 632 156 456
268 364 356 156
123 456 128 421

target.csv

1
2
2
1

Таким образом, в основном файл target.csv содержит значение классификации для каждого файла # .csv образца.Мы можем думать о нем как о матрице [3 * 4] (например, sample1.csv), соответствующей или представляющей одно целевое значение классификации '1' или '2'.

Возможно ли классифицировать этот видданных с помощью алгоритмов машинного обучения, таких как SVM, MLP, Random Forest и т. д.?Если так, как я могу подать данные в мою модель?

Я имею в виду, что алгоритм машинного обучения рассматривает весь sample1.csv как 1 вход с целевым значением и sample2.csv как вход 2с целевым значением 2 и так далее?

Спасибо!

Я сталкивался с подобными проблемами, но в большинстве случаев я нахожу примеры, выполненные с помощью LSTM.

Answer 1

Я немного запутался в наборе данных. Если я рассматриваю столбец как каналы, а строки как испытания / выборки, то вы можете применить к нему дискретное вейвлет-преобразование, чтобы получить EEG-полосы. После этого вам нужно найти в нем функции, такие как функции во временной области и энтропии. После этого вы можете применить алгоритм машинного обучения. Если вы можете предоставить более подробную информацию о вашем наборе данных, я могу дать вам более точный ответ.