Estoy intentando ensamblar un proceso que pueda tomar lecturas de sensores y categorizar, a partir de las formas de pico que aparecen, aquellas que coinciden más con una serie de "indicadores" para un problema de proceso. Para lograr esto, tengo un conjunto de datos de picos indicadores (ver arriba) y picos "de prueba" (ver arriba) que estoy ejecutando a través de la plataforma Functional Data Explorer. Desde esta plataforma, estoy aplicando el modelo para ajustar los picos "indicadores" (dejando los picos de prueba como un conjunto de validación) y luego guardando los puntajes FPC que se generan.
Lo que quiero hacer ahora es clasificar los picos de "prueba" en función de sus puntuaciones FPC en aquellos que coincidan más estrechamente con los picos "indicadores" (ver una visualización de ejemplo a continuación). El problema que tengo es encontrar un método adecuado para clasificar estos picos. Solo tengo una categoría a la que apunto, que es "indicador". No tengo otro grupo distinto para "normal", ya que podría ser cualquier número de formas, figuras, etc. que darían lugar a un gran conjunto de entrenamiento. ¿Alguien puede hacer una sugerencia sobre cómo puedo encontrar los picos de prueba que coincidan más estrechamente?
Sé que es posible agrupar, pero ¿habría alguna forma de agruparlos con un "control" donde se agrupen en comparación con los indicadores?
Si alguien tiene otras ideas en general para el enfoque que estoy siguiendo, también sería genial.
¡Gracias!
Hola,
¡Interesante pregunta! Empecemos.:)
¿El conjunto de picos de referencia/indicadores son esas 7 curvas del gráfico superior? ¿Son medidas o artificiales?
¿Tiene un conjunto de datos de muestra para compartir?
Mejor
Florián
