機器學習：如何處理離散和連續的數據在一起

Question

我發帖要問是否有任何方法，或有關如何處理分類問題中的離散和連續數據的想法。

在我的情況，我有一堆獨立的「批」，有離散的數據。這是與過程相關的數據，每個批次都有不同的點。我也有一個數據集，隨着時間的變化，相同的批次。然而，這一次，每批次都有很多時間觀察。該數據集看上去象下面這樣：

Data Set 1 

Batch 1  DiscreteInfo(1)  DiscreteInfo(2) ....... DiscreteInfo(n) 
Batch 2  DiscreteInfo(1)  DiscreteInfo(2) ....... DiscreteInfo(n) 
Batch 3  DiscreteInfo(1)  DiscreteInfo(2) ....... DiscreteInfo(n) 
Batch 4  DiscreteInfo(1)  DiscreteInfo(2) ....... DiscreteInfo(n) 

Data Set 2 

Batch 1  t(1)  TimeData 
Batch 1  t(2)  TimeData 
Batch 1  t(3)  TimeData 
Batch 1  t(4)  TimeData 
. 
. 
. 
. 
Batch n  (t1)  TimeData 
Batch n  (t2)  TimeData 
Batch n  (t3)  TimeData 

我試圖分類所有這些數據是否屬於「好」批次，一個「壞」批，或「馬馬虎虎」批。這由一個特定的離散參數決定（未在數據集中使用）。

我對機器學習非常陌生;任何意見或想法將不勝感激。我正在使用matlab分類學習器來嘗試解決這個問題。

Answer 1

在處理分類問題時，您需要考慮幾件事情。

1. 培訓數據。我們需要用於分類的訓練數據，即我們需要上述所有屬性值以及類別值，無論是「好」還是「差」還是「馬馬虎虎」。
2. 使用這個，我們可以訓練一個模型，然後給出所有訓練屬性的新數據，我們可以預測它屬於哪個類。

就離散和連續而言，處理離散和連續數據的方式沒有區別。事實上，對於這種情況，我們可以生成一個新屬性，該屬性將是給定批次的所有其他時間變量的函數，然後執行分類。如果您提供數據集的一個實例，則可以更精確地回答問題。