如何爲火災探測系統創建機器學習模型？

Question

最近我開始機器學習。我想創建一個實時火災探測系統的機器學習模型。輸入數據是環境特徵並且輸出數據是火災可能性。當時間= 0時，我們放火。只是舉例：

Time Temperature CO CO2 ... ... Fire_Possibility 
    -20 20   ** **   Low 
    -15 21   ** **   Low 
    -10 19   ** **   Low 
    -5 20   ** **   Low 
    0 22   ** **   Med 
    5 25   ** **   Med 
    10 27   ** **   High 
    15 31   ** **   High 
    ... ... 
    ... ... 

我想訓練用WEKA神經網絡，因此對於每一個時刻，我計算出的變化率和每個屬性的相對值，然後訓練模型，如下所示：

Time Tem_Rate_of_change  Tem_Relative_value CO CO2 ... ... Fire_Possibility 
    -20 0      0     ** **   Low 
    -15 1      1     ** **   Low 
    -10 -2      -1     ** **   Low 
    -5 1      0     ** **   Low 
    0 2      2     ** **   Med 
    5 3      5     ** **   Med 
    10 2      7     ** **   High 
    15 4      11     ** **   High 
    ... ... 
    ... ... 

但我無法獲得高準確度的模型。我認爲最好是用過去的所有值進行檢測，而不是一次性使用值。 我不知道是否存在機器學習模型，它可以在過去的一段時間內用值進行訓練。有人能幫助我嗎？

Answer 1

對於你的情況，我認爲你需要做的是什麼，至少三件事情：

• 特點工程：精心設計的一套功能inclusing從數據中選擇相關的功能，創建衍生功能，丟棄非相關功能（例如，我認爲你的當前時間不是相關功能，或者是否存在時間和火災可能性之間的數學關係/相關性？）。您可以從功能選擇算法和軟件包中獲得幫助。
• 執行「機器學習診斷」和情節的學習曲線：這將幫助您識別，如果你有欠擬合，過度擬合，並根據您的結果中定義（視情況而定孤單指導）你下面的操作
• 進行錯誤分析：分析一些錯誤分類的例子，並驗證它們中是否存在模式或共同行爲，將它們分類並考慮可能有助於執行更好分類的行爲。

另一個建議：不要嘗試3類分類，嘗試一個二進制分類，並獲得0到1之間的實數，表示發生概率。