机器算法验证 - 多个时间序列和案例级别属性的分类 - 吾爱随笔录

我对机器学习还很陌生，所以想知道是否有人可以帮助检查我的想法或为我指明正确的方向！

我需要创建一个分类器，该分类器可以根据该人的属性+包含每个人的活动数据的多个时间序列来预测该人的结果。

经过大量研究，我得出结论，最好的方法是减少每个时间序列的维数，并选择使用符号聚合近似 (SAX) 为每个人的每个时间序列生成符号编码（例如“abfaadda” ）。

这意味着我的分类器的输入将如下所示，其中每个案例都是一个人：

SAX 方法为时间序列的编码表示定义了一个距离度量，可用于跨多个案例对时间序列进行聚类或对时间序列进行分类。

我遇到的问题是我有多个编码时间序列作为分类器的输入。分类器需要考虑每个编码时间序列的相似性，而不是仅仅在编码字符串上进行拆分。它还需要考虑其他属性。

我想出的解决方案是对每个 SAX 编码的时间序列进行聚类，然后手动标记每个聚类（例如低活动、高活动）。然后将标记的集群用作分类器的输入，即

这是一种合理的方法还是有更好的方法？