Post 机器学习分类器中的处理

Post Processing in Machine Learning Classfier

我在搜索这方面的资料时遇到了麻烦。不知道具体搜索什么。

我正在尝试获取我的逻辑回归 class 过滤器(输出时间序列二进制 class)的结果,并制作一个采用 window 个 X 答案的过滤器如果给定 window 的阳性数大于给定的阈值,则只有样本得到阳性。

我的输入是一个时间序列,其中包含公司流程的许多特征,例如电流、压力等。我正在尝试制作故障检测算法。所以因为我的输出太吵了,我想让它在时间上更一致。

Classfier Pattern

已解决。

for train_index, test_index in logo.split(X, y, groups):
        X_train, X_test =  X.iloc[train_index], X.iloc[test_index]
        y_train, y_test = y[train_index], y[test_index]
        model.fit(X_train, y_train.ravel())
        y_pred = model.predict(X_test)
        y_pred_filtrado = pd.Series(y_pred).rolling(filtro,min_periods=1).sum() #getting a sum of the window
        y_pred_filtrado = np.where(y_pred_filtrado>treshold, 1, 0) #if sum is greater than a treshhold output is positive