如何在分析中使用感測器數據？在化學加工產業中，會擷取大量感測器資料（流量、液位、壓力、溫度等）。 此數據可以描述為非平穩的時間序列。 觀察典型的模式，人們可能會發現一種趨勢模式（沒有季節性或很少=夏季/冬季或白天/夜晚），特別是在觀察單調演變（例如污垢）時。 但通常候選特徵不會表現出趨勢模式（除非操作員使用該特徵進行補償）。如果您遇到可以透過某種測量來描述的工廠問題，那麼經常會出現這樣的問題：哪個其他（一組）變數導致了此問題？ 大多數分析工具，例如 PCA/LDA/隨機森林，都依賴固定資料。 我想避免嘗試建立狀態空間模型來補償非平穩情況。 或者，我可以執行雙指數平滑，但這只有在我有明確的趨勢時才可用。
我的問題是：如何轉換這些數據，以便我可以將其用於分析，例如 PCA（而不是使用小波 PCA）？
謝謝！
進階統計建模回覆：如何在分析中使用感測器數據？我假設您詢問如何轉換多元時間序列數據，以便您可以使用此 wiki 頁面上所述的 PCA 進行分析主成分分析。
分析期望資料是從P維隨機變數中採樣的，有N個樣本。 對於分析來說，樣本的順序並不重要，或者換句話說，它不關心。 在你的例子中，它不在乎是否靜止。 同時，它不會阻止您提供此類數據，其中樣本的順序是有意義的。 如果人們決定忽略順序並從不同的角度查看數據，那麼這也不是無關緊要的。 嘗試將原始資料放入其中，看看您可能會發現什麼，或者您可以從結果中獲得什麼靈感。 PCA的主要應用是降維，例如從P維資料降維到Q維數據，其中Q遠小於P。 這樣，如果有意義的話，您已經在轉換資料以滿足您的需求。 此外，您也沒有提到您曾經嘗試過差異化。 也許你應該嘗試一下，看看這種轉變對你來說是否意味著什麼。
回覆：如何在分析中使用感測器數據？不幸的是我沒有 JMP Pro
回覆：如何在分析中使用感測器數據？您可以存取 JMP Pro 嗎？ 您所描述的場景是為使用Functional Data Explorer 平台和相關建模功能而客製化的。 以下是我的前同事（我已經退休）湯姆唐納利（Tom Donelly）就這個主題所做的演講的連結：對流式感測器資料建模
