我已经在传感器（光线，湿度等）上进行了测量，并得出了统计曲线/图形。当我做相同的实验时，我得到的曲线通常看起来像以前的曲线，当然不一样。我想要的是对曲线建模并得出方程，以便当我再次运行实验并采取类似的曲线（图）时说这是光传感器，或者这是湿度传感器等。问题是我不知道这是否可行以及从哪里开始。我需要机器学习吗？还有吗谢谢...
您可以使用简单的神经网络，它将学习如何确定给定测量的传感器类型。要训练神经网络，您需要数据，这意味着您需要收集数十个或数百个测量值并标记它们（数据越多，来自神经网络的预测就越准确）
但是，如果给定传感器的测量值非常相似且在指定范围内，则您实际上不需要机器学习。您只需要计算新测量与哪种传感器最相似。
一种可能的方法是：
对每种类别的传感器采取一些措施
为每个类创建一个固定长度的向量，该向量将包含测量的平均值，例如，如果您从3个实验中获得的光传感器测量结果如下所示：
[1,4,5,3,8]
[1,3,4,3,7]
[1,3,5,3,6]
然后将其平均为单个向量：
[1，3.33，4.66，3，7]
当您采取新的度量并想要确定其类别时，您将为每个类别的平均矢量计算新度量的平均绝对误差。误差最小的类别是进行测量的传感器