В задании по науке о данных у меня есть некоторые физические данные от прибора, и мне нужно предсказать непрерывное время Данные делятся на выборки сигналов с некоторыми пиками, приходящимися до этого целевого времени. Для создания новых функций мне придется использовать некоторую статистическую информацию о сигнале, но не обязательно для всей выборки сигнала.
Я думал о том, чтобы разделить выборку на порции и использовать статистические данные, полученные из этих порций, в качестве отдельных элементов.
Я мог бы разделить образец на, скажем, 1000 кусков. Но может случиться так, что такое разделение не имеет большого смысла. Возможно, было бы лучше получить статистическую информацию из первых 10% выборки, а затем, скажем, за последние 20% и так далее. Или, по крайней мере, используйте другое значение для деления на основе конкретного образца. Может быть, для некоторых образцов разделение на 1000 кусков хорошо, но для некоторых - 500 или 2000 и т. Д.
Моя идея заключалась в том, чтобы использовать нейронную сеть для получения этого значения деления (или, может быть, нескольких значений, таких как количество кусков и их размеры)
Имеет ли это смысл вообще, и если да, есть идеи, как это сделать? Это похоже на оптимизацию параметров с помощью нейронной сети, но поиск в Google не дал мне требуемого результата.
Может кто сталкивался с подобной проблемой?