对于六个单独的时间序列传感器输入，如何让ksvm模型知道数据集中的前 100 个数字都是来自一个传感器的时间序列数据，而接下来的 100 个数字都是来自另一个传感器的时间序列数据，等等？或者（也许更一般地），我如何将二维输入数据呈现给 SVM？
我需要二进制是/否预测模型的过程有六个非周期性时间序列输入，所有输入都具有相同的采样频率。一个事件触发数据收集的开始，在预定时间后，我需要一个是/否预测（最好包括一个正确概率输出）。应该产生“是”与“否”的时间序列输入的特征尚不清楚，但已知的是每个输入时间序列数据与最终结果之间应该存在某种相关性。所有输入上也存在明显的噪声。有意义的信息和噪声都以短持续时间的突发形式出现在输入上（对于给定的输入源，有意义的突发总是在相同的一般时间），但是很难确定哪些突发是有意义的，哪些是噪声；即，对于一个输入，突发发生在“正确”时间这一事实并不一定表示“是”输出；它可能只是噪音。要知道预测是否应该是“是”，模型需要以某种方式合并来自所有六个时间序列输入的信息。我收集了大约 900 个“否”结果和 100 个“是”结果的先前数据。
我对 R 和 SVM 都很陌生，但我想我想使用 SVM 模型（kernlab 的 ksvm）。我无法弄清楚如何将输入数据呈现给它。我也不确定如何告诉 ksvm 数据是时间序列数据，或者这是否相关。我尝试使用 Rattle GUI 前端到 R 从 csv 文件中提取我的数据，但我无法弄清楚如何将来自所有六个输入的时间序列数据呈现到 ksvm 模型中。作为 csv 文件输入，导入所有 1000 个样本的数据的唯一方法似乎是组织输入数据，使所有样本数据（所有六个时间序列输入）都在 csv 文件的单行上，在 csv 文件的每一行上显示一个单独的已知结果文件的数据。但这样做时，第一个、第二个、第三个等数字是来自第一个传感器的时间序列数据的每个部分的事实在转换中丢失了，以及第 101 个、第 102 个、第 103 个等数字是来自第二个传感器的时间序列数据的每一部分，依此类推；对于 ksvm 模型，每个数据样本仅被视为与其邻居无关的孤立数字。如何将这些数据作为六个独立但相互关联的时间序列数组呈现给 ksvm？或者如何将二维数据数组呈现给 ksvm？
更新：
好的，我尝试了两种基本策略，但结果很糟糕（嗯，结果模型比盲目猜测要好，但不多）。
首先，不熟悉 R，我使用 Rattle GUI 前端到 R。我有一种感觉，这样做可能会限制我的选择。但无论如何，这就是我所做的......
已知结果文件示例（仅显示 4 个传感器而不是 6 个，仅显示 7 个时间样本而不是 100 个）：
training168_yes.csv
Seconds Since 1/1/2000,sensor1,sensor2,sensor3,sensor4
454768042.4, 0, 0, 0, 0
454768042.6, 51, 60, 0, 172
454768043.3, 0, 0, 0, 0
454768043.7, 300, 0, 0, 37
454768044.0, 0, 0, 1518, 0
454768044.3, 0, 0, 0, 0
454768044.7, 335, 0, 0, 4273
training169_no.csv
Seconds Since 1/1/2000,sensor1,sensor2,sensor3,sensor4
454767904.5, 0, 0, 0, 0
454767904.8, 51, 0, 498, 0
454767905.0, 633, 0, 204, 55
454767905.3, 0, 0, 0, 512
454767905.6, 202, 655, 739, 656
454767905.8, 0, 0, 0, 0
454767906.0, 0, 934, 0, 7814
我知道将所有训练样本的数据导入 R/Rattle 的唯一方法是将所有结果文件合并到一个 .csv 文件中，每行一个样本结果。我只能想到两种方法来做到这一点，所以我都尝试了它们（我知道当我这样做的时候，这样做我隐藏了潜在的重要信息，这是这个 SO 问题的重点）：
试验#1：对于每个结果文件，将每个传感器的样本添加到一个数字中，消除所有时间信息：
result,sensor1,sensor2,sensor3,sensor4
no, 886, 1589, 1441, 9037
yes, 686, 60, 1518, 4482
no, 632, 1289, 1173, 9152
yes, 411, 67, 988, 5030
no, 772, 1703, 1351, 9008
yes, 490, 70, 1348, 4909
当我完成使用 Rattle 生成 SVM 后，Rattle 的日志选项卡为我提供了以下脚本，可用于在 RGui 中生成和训练 SVM：
library(rattle)
building <- TRUE
scoring <- ! building
library(colorspace)
crv$seed <- 42
crs$dataset <- read.csv("file:///C:/Users/mminich/Desktop/stackoverflow/trainingSummary1.csv", na.strings=c(".", "NA", "", "?"), strip.white=TRUE, encoding="UTF-8")
set.seed(crv$seed)
crs$nobs <- nrow(crs$dataset) # 6 observations
crs$sample <- crs$train <- sample(nrow(crs$dataset), 0.67*crs$nobs) # 4 observations
crs$validate <- NULL
crs$test <- setdiff(setdiff(seq_len(nrow(crs$dataset)), crs$train), crs$validate) # 2 observations
# The following variable selections have been noted.
crs$input <- c("sensor1", "sensor2", "sensor3", "sensor4")
crs$numeric <- c("sensor1", "sensor2", "sensor3", "sensor4")
crs$categoric <- NULL
crs$target <- "result"
crs$risk <- NULL
crs$ident <- NULL
crs$ignore <- NULL
crs$weights <- NULL
require(kernlab, quietly=TRUE)
set.seed(crv$seed)
crs$ksvm <- ksvm(as.factor(result) ~ .,
data=crs$dataset[,c(crs$input, crs$target)],
kernel="polydot",
kpar=list("degree"=1),
prob.model=TRUE)
试验#2：对于每个结果文件，将每次所有传感器的样本添加到一个数字中，消除有关单个传感器的任何信息：
result,time1, time2, time3, time4, time5, time6, time7
no, 0, 549, 892, 512, 2252, 0, 8748
yes, 0, 283, 0, 337, 1518, 0, 4608
no, 0, 555, 753, 518, 2501, 0, 8984
yes, 0, 278, 12, 349, 1438, 3, 4441
no, 0, 602, 901, 499, 2391, 0, 7989
yes, 0, 271, 3, 364, 1474, 1, 4599
我再次使用 Rattle 生成 SVM，Rattle 的日志选项卡为我提供了以下脚本：
library(rattle)
building <- TRUE
scoring <- ! building
library(colorspace)
crv$seed <- 42
crs$dataset <- read.csv("file:///C:/Users/mminich/Desktop/stackoverflow/trainingSummary2.csv", na.strings=c(".", "NA", "", "?"), strip.white=TRUE, encoding="UTF-8")
set.seed(crv$seed)
crs$nobs <- nrow(crs$dataset) # 6 observations
crs$sample <- crs$train <- sample(nrow(crs$dataset), 0.67*crs$nobs) # 4 observations
crs$validate <- NULL
crs$test <- setdiff(setdiff(seq_len(nrow(crs$dataset)), crs$train), crs$validate) # 2 observations
# The following variable selections have been noted.
crs$input <- c("time1", "time2", "time3", "time4", "time5", "time6", "time7")
crs$numeric <- c("time1", "time2", "time3", "time4", "time5", "time6", "time7")
crs$categoric <- NULL
crs$target <- "result"
crs$risk <- NULL
crs$ident <- NULL
crs$ignore <- NULL
crs$weights <- NULL
require(kernlab, quietly=TRUE)
set.seed(crv$seed)
crs$ksvm <- ksvm(as.factor(result) ~ .,
data=crs$dataset[,c(crs$input, crs$target)],
kernel="polydot",
kpar=list("degree"=1),
prob.model=TRUE)
不幸的是，即使有近 1000 个训练数据集，这两个结果模型都只给我比随机机会得到的结果稍好一点。我敢肯定，如果有办法避免破坏时间数据或不同传感器之间的区别，它会做得更好。我怎样才能做到这一点？顺便说一句，我不知道这是否重要，但是所有传感器的传感器读数几乎是在同一时间获取的，但是一次读数和下一次读数之间的时间差通常从一次运行到下一个（即在“培训”文件之间），我无法控制。我认为这可能是安全的忽略（即我认为按顺序对读数进行编号可能是安全的，如 1、2、3 等）。