Python 识别已知事件的机器学习算法
Python Machine Learning Algorithm to Recognize Known Events
我有两组数据。这些数据是电路中两点 A 和 B 的记录电压。电压A是电路的主要组成部分，B是分电路。 B 中的每个正电压 (1) 被认为是 B 事件，并且 (2) 已知是 A 的复合。我已经包含了存在 B 电压事件的示例数据，4,4,0,0,4,4。一个真正的训练数据集会有更多的可用数据。
如何训练 Python 机器学习算法来识别仅给定 A 数据的 B 事件？
示例数据：
V(A), V(B)
0, 0
2, 0
5, 4
3, 4
1, 0
3, 4
4, 4
1, 0
0, 0
2, 0
5, 0
7, 0
2, 0
5, 4
9, 4
3, 0
5, 0
4, 4
6, 4
3, 0
2, 0
一个想法：
from sklearn.ensemble import RandomForestClassifier
n = 5
X = [df.A.iloc[i:i+n] for i in df.index[:-n+1]]
labels = (df.B > 0)[n-1:]
model = RandomForestClassifier()
model.fit(X, labels)
model.predict(X)
它所做的是，它将之前的 n 观察结果作为 'B' 值的预测变量。在这个小数据集上它达到了 0.94 的精度（可能是过度拟合）。
编辑：更正了一个小的对齐错误。
我有两组数据。这些数据是电路中两点 A 和 B 的记录电压。电压A是电路的主要组成部分，B是分电路。 B 中的每个正电压 (1) 被认为是 B 事件，并且 (2) 已知是 A 的复合。我已经包含了存在 B 电压事件的示例数据，4,4,0,0,4,4。一个真正的训练数据集会有更多的可用数据。
如何训练 Python 机器学习算法来识别仅给定 A 数据的 B 事件？
示例数据：
V(A), V(B)
0, 0
2, 0
5, 4
3, 4
1, 0
3, 4
4, 4
1, 0
0, 0
2, 0
5, 0
7, 0
2, 0
5, 4
9, 4
3, 0
5, 0
4, 4
6, 4
3, 0
2, 0
一个想法：
from sklearn.ensemble import RandomForestClassifier
n = 5
X = [df.A.iloc[i:i+n] for i in df.index[:-n+1]]
labels = (df.B > 0)[n-1:]
model = RandomForestClassifier()
model.fit(X, labels)
model.predict(X)
它所做的是，它将之前的 n 观察结果作为 'B' 值的预测变量。在这个小数据集上它达到了 0.94 的精度（可能是过度拟合）。
编辑：更正了一个小的对齐错误。