J'essaie d'assembler un processus capable de prendre des mesures de capteurs et de catégoriser, à partir des formes de pics qui apparaissent, celles qui correspondent le plus à un certain nombre d'« indicateurs » pour un problème de processus. Pour y parvenir, je dispose d'un ensemble de données de pics indicateurs (voir ci-dessus) et de pics « tests » (voir ci-dessus) que j'exécute via la plateforme Functional Data Explorer. À partir de cette plateforme, j'applique le modèle pour ajuster les pics « indicateurs » (en laissant les pics tests comme ensemble de validation), puis j'enregistre les scores FPC générés.
Ce que je veux faire maintenant, c'est classer les pics « test » en fonction de leurs scores FPC en fonction de ceux qui correspondent le plus étroitement aux pics « indicateurs » (voir un exemple de visualisation ci-dessous) - le problème que je rencontre est de trouver une méthode appropriée pour classer ces pics. Je n'ai qu'une seule catégorie que je vise, qui est « indicateur » - je n'ai pas d'autre groupe distinct pour « normal » car cela pourrait être n'importe quel nombre de formes, etc. qui conduiraient à un grand ensemble d'entraînement. Quelqu'un peut-il me suggérer comment trouver les pics de test qui correspondent le mieux ?
Je sais que le clustering est possible, mais existe-t-il un moyen de regrouper avec un « contrôle » où ils sont regroupés par rapport aux indicateurs ?
Si quelqu'un a d'autres idées en général sur l'approche que je fais, ce serait génial aussi.
Merci!
Salut,
Question intéressante ! Commençons:)
L'ensemble des pics de référence/indicateurs correspond-il à ces 7 courbes du graphique supérieur ? Sont-ils mesurés ou artificiels ?
Avez-vous un exemple de jeu de données à partager ?
Meilleur
Florian
