假设我以时间序列的形式对当地的温度、风速、气压、湿度等进行了测量,这就是我从世界上所知道的一切。有时,龙卷风会掠过我的探测器。
因为龙卷风不仅仅是一种随机的东西,还有一种模式,训练有素的眼睛可以在时间序列中识别出来……温度、风速等的一些变化以某种方式相互关联,周围有不可预测的波动。
我想以某种自动方式来识别时间序列中的间隔,这些间隔对应于我的探测器“看到”龙卷风的时期。
哪种机器学习方法更适合识别它们,并给我一些相应的“可靠性系数”。
请注意,由于龙卷风本质上是一种不稳定的物体,而且还会以某种不稳定的方式移动,因此探测器并不总是看到相同的温度、风速等变化,因为龙卷风可以在探测器上来回移动,局部变化它的形状等。我想我想说的是时间序列测量值与这些量的实际空间分布不对应,可以在龙卷风的“静止框架”中绘制。但是,它总是会看到“某种”相同的特征,但周围有一些随机性,我的眼睛可以识别出来,这让我认为这对于 ML 来说是一项合适的任务。
其他问题:是否有 python ML 库可以实现推荐的方法?(PyBrain, Scikit ? ...?)