我正在尝试应用高斯过程来估计传感器读数的值。我有几年的传感器读数（每小时节奏的时间序列），所以我的数据是一个由两列组成的数组，第一列是时间，另一列是当时的传感器读数。我试图编写高斯过程的代码，但我不知道如何对时间进行建模，因为它是模型的输入，我是否应该只使用小时作为数字，所以我最终得到了一系列重复的0 到 23 之间的数字？我应该使用整数的 UNIX 时间戳，但我最终会得到一个不断增加的数字系列吗？处理此问题的最佳做法是什么？换句话说，当我们处理时间序列时，高斯过程模型的输入是什么。如果您能提供一些 python 或 MATLAB 中的代码片段，将不胜感激。还有一个问题，你能推荐一个 Python 包来处理使用高斯过程预测时间序列的问题吗？
具有时间序列的高斯过程
机器算法验证
时间序列
预测
Python
matlab
高斯过程
2022-03-27 19:24:36
1个回答
逆序有许多不错的 GP 库，例如 SKLearn、GPy、pyGPs、GPflow 等。
其次，您的输入显然是时间，您可以根据需要对其进行预处理，但您应该了解高级问题，例如我只关心一天中的时间吗？（在这种情况下，您可以删除日期并仅保留 0-23 小时）或者您是否还想模拟季节性趋势？（在这种情况下，unix 时间戳可能很有用）
重要的是要了解 GPS 不仅仅是一种平滑的外推技术 - 因此您可以通过您选择的内核来编码时间点的相似程度。因此，例如，每日趋势可能被编码为周期为一天的周期性内核。然后，您可以添加并乘以它来调整周期性内核，也许添加一些噪音等等。这种核算法的组合在函数空间的总和和乘积上创建了分布。查看例如http://www.cs.toronto.edu/~duvenaud/cookbook/和https://github.com/jkfitzsimons/IPyNotebook_MachineLearning/blob/master/Just%20Another%20Kernel%20Cookbook....ipynb .