如何对时间序列数据片段进行分类

Question

我有从 Android 手机的加速度计捕获的时间序列数据。我添加了一个类列，以便我可以标记数据的类。数据具有二元分类，0 表示 false，1 表示 true。时间序列数据具有连续的段，其中整个段一起应分类为 1。我突出显示了图表数据以显示我分类为 1 的数据的连续部分。我希望能够标记此训练数据，然后向经过训练的模型提供新数据，该模型可以对数据进行分类，并告知数据的开始和结束位置，以便我可以提取开始和停止时间。从我在网上读到的内容来看，LSTM 神经网络似乎是正确的解决方案，但我不确定如何构建一个可以对连续片段进行分类的模型。任何人都知道的方向或简单示例展示了如何使用 LSTM，或者更适合此类数据的模型来完成我想要完成的任务，那就太棒了。我是机器学习的新手，出于自己的学习/好奇心尝试这个项目，因此对于不正确的术语或缺乏知识表示歉意。

Answer 1

LSTM 是处理顺序数据的良好输入。我建议您阅读一些基于 LSTM 构建简单神经网络的示例，例如在张量流中。 （http://wiki.pathmind.com/lstm，https://machinelearningmastery.com/gentle-introduction-long-short-term-memory-networks-experts/）另外你可以阅读文档，甚至请 chatGPT 为您写一些基本的 LSTM 网络并描述所有参数。

其次，我认为在旅游案例中，您应该将数据分成大小可分类为 1 或 0 的小序列，然后将 NN 的输出设计为输入的大小。假设您的输入是 10 个样本，因此您的输出也将是 10 个样本，每个样本对应于值 0 或 1。问题是正确定义训练集并正确训练网络。

希望对您有帮助， 祝你好运。