J'ai un ensemble de données composé de séries chronologiques (8 points) avec environ 40 dimensions (donc chaque série temporelle est de 8 par 40). Le résultat correspondant (les résultats possibles pour les catégories) est soit 0 soit 1.
Quelle serait la meilleure approche pour concevoir un classifieur pour des séries chronologiques à plusieurs dimensions?
Ma stratégie initiale était d'extraire des caractéristiques de ces séries chronologiques: moyenne, std, variation maximale pour chaque dimension. J'ai obtenu un ensemble de données que j'ai utilisé pour former un RandomTreeForest. Conscient de la naïveté totale de cela, et après avoir obtenu de mauvais résultats, je cherche maintenant un modèle plus amélioré.
Mes pistes sont les suivantes: classer la série pour chaque dimension (en utilisant l'algorithme KNN et DWT), réduire la dimensionnalité avec PCA et utiliser un classificateur final le long des catégories multidimensions. Étant relativement nouveau en ML, je ne sais pas si je me trompe totalement.