使用時間序列數據預測事件的發生

Question

我有數據來自傳感器1個月。數據是時間序列，每個數據點間隔1秒。有預測指標，如溫度，壓力，這些傳感器記錄的風扇速度。 根據事件被記錄的這些值。因此，如果引擎正常工作，那麼事件= 0，否則事件= 1，並且此事件持續相當長的時間，例如接下來的10分鐘，然後又恢復正常。

我試圖預測下一個事件基礎預測變量值的發生。我試過Cox比例風險模型，但生存曲線不準確。也嘗試過隨機森林，但模型結果並不好。模型精度始終保持在100％。

生存分析可用於時間序列數據嗎？ 羣集幫助嗎？

Answer 1

「我試圖預測下一個事件基礎的預測值的發生率」。那麼，集羣似乎不是你想要的。搜索線性迴歸或時間序列迴歸方法。這裏簡單介紹一下：http://onlinestatbook.com/2/regression/intro.html和更多的學術資料在這裏：http://unstats.un.org/unsd/hhsurveys/finalpublication/ch19fin3.pdf。希望能幫助到你。