哪些算法可用于根据时间序列的分数构建预测变量？

Question

令 S 和 T 为标有 属性 的时间序列集。每个时间序列都是高度周期性的，实际上包含相同过程的后续重复（考虑例如步态记录，这是重复相同动作的脚位置的时间序列，为了简单起见，我称之为片段）。

如果我的 objective 是构建一个模型，从一系列这样的片段中 returns 获得与 S 或 T 的相似度得分，那么什么是好的特征提取器？暂时忽略模型本身——暂时只考虑特征提取，

Answer 1

您所描述的属于以下问题：

• 给定一个序列特征。
• 分类或识别隐藏状态。

例如，在机器视觉中，序列可以是针对移动的人连续捕获的图像。目标是识别特定类别的手势。

在你的问题中，输入是d维时间序列数据，你的输出是两个类（S和T）的概率。

有一些通用的方法来处理这样的问题，即隐马尔可夫模型（HMM) and conditional random fields (CRF）。