我有一个大的信号数据集（由时间序列组成）。所有时间序列都描述了相同的过程，但每个序列都有不同的持续时间（点数）。基于这些时间序列，我想训练一些神经网络，然后我给出一个新的时间序列作为输入，它可以预测 100 个进一步的点。我有两个问题：
- 有哪些转换可以将所有信号减少到一种大小？
- 解决此类问题的方法是什么（预测时间序列）？我知道流行的 ARMA 和 ARIMA 模型，但它们使用相同的时间序列。我的任务的目标是找到时间序列之间的模式，以便学习如何预测新时间序列的进一步行为。谢谢你的帮助！
有哪些方法可以预测信号？
数据挖掘
机器学习
神经网络
时间序列
预测建模
2022-03-07 00:17:40
1个回答
- 我认为您不能压缩时间序列，因为存在丢失有价值数据的风险。而不是这样，您可以将最大大小设置为默认大小，并将左侧设置为零以获取较小的数据。
如果采样太高（例如：毫秒），只要预测目标允许，请毫不犹豫地为所有取平均值的数据（例如：秒）减少它。此外，您想要预测的越远，预测通常就越糟糕：这就是为什么较低的采样率可能有用的原因。
- 除了 ARIMA，RNN 和 LSTM 也是很好的解决方案。但是，它们对噪声非常敏感：如果您的信号噪声很大，请尝试降低噪声以获得良好的预测。
请记住，使用 NN 进行时间序列预测并不是一门精确的科学：您可能必须对数据进行许多修改和改进才能获得非常好的结果。
这是一个可能有用的笔记本：
https://github.com/ageron/handson-ml2/blob/master/15_processing_sequences_using_rnns_and_cnns.ipynb