利用机器学习预测温度
我是ML的初学者，我想创建一个智能恒温器，在收集了与用户交互的足够数据后，它将开始自行设定家庭温度。
到目前为止，我得到的是硬件原型，它允许用户设置温度，同时将环境和UserSetTemperature发布到ThingSpeak (以便方便地存储数据以供以后访问)
另一部分是从ThingSpeak获取数据并将其转换为Pandas DataFrame的python算法。
数据框架看起来如下所示：
timeStamp environment_temp user_set_temp
2018-05-27T00:12:43Z 20 21
2018-05-27T00:17:27Z 20 22
2018-05-27T00:17:59Z 20 24
2018-05-27T00:20:01Z 20 21
2018-05-27T00:23:14Z 20 24
2018-05-28T09:39:07Z 20 22
2018-05-28T10:40:17Z 20 23
2018-05-28T20:12:47Z 20 25
2018-05-28T20:14:16Z 23 25
2018-05-30T20:29:30Z 18 24 这就是我被困的地方。我不知道如何在ML库中使用这些数据来预测在环境温度为x时应该如何设置温度。
我尝试使用sklearn train_test_split()和LinearRegression()，但没有取得显著的结果。我真的不知道如何使用这些数据
每一个建议都将受到高度赞赏！
回答 3
Data Science用户
发布于 2018-06-11 03:09:48
我不建议继续使用你知道可能是错误的数据。
从当前数据来看，线性回归结果不佳的原因是它们之间的关系与当前数据不成线性关系。就像。对于相同的预测值(即user_set_temp)，有很大的变化(即environment_temp)。
首先，从本地天气数据中获取记录的时间戳的正确温度，以便用这些数据替换环境温度，直到您用原始记录的environment_temp纠正问题为止。当你纠正这个问题时，我会建议你同时使用天气和环境温度来预测，因为一个人可能会根据两者的结合来设定温度。
在你得到一个很好的有代表性的数据之后，这应该是一个合理的程序来帮助你预测温度：
- 单变量时刻表的探索性数据分析:这将帮助您观察数据中的模式，这将帮助您决定从时间戳中设计/创建哪些新功能(步骤2)。此外，请看acf/ pacf图表，以帮助找出可能有助于您更好地预测的数据延迟。拟合一个基本的单变量模型，如STL或ARIMA模型，以获得一个很好的预测基础模型(这个模型将与新模型进行比较，以查看它们的性能)。
- 特征工程:步骤1中确定的一天、一周、一周等的时间。同时，寻找其他可能有助于算法找到模式的特性。
- 回归模型:使用RandomForest、梯度增强和RNN等高级算法进行测试，以检查它们之间以及基本模型的性能。
Data Science用户
发布于 2018-06-10 00:08:07
我强烈建议您使用递归神经网络，因为它们具有预测时间序列的能力，这是由于它们固有的记忆。
为了您的目的，您可以找到一个完美的教程这里。我相信它会对你有很大的帮助
Data Science用户
发布于 2018-06-10 06:30:56
在我看来，RNN计算量太大。您必须在云服务或GPU上运行它。
此外，我认为基于环境温度，你不能预测用户想要的温度。您需要额外的数据，例如湿度，因为您必须了解用户对温度的感觉，这取决于几个因素。如果这不是假数据，您显然可以看到没有相关性。似乎只有当温度变化时，你才会记录环境温度。这还不足以预测。
如果你没有任何额外的数据，我建议你计算一个特定时间内温度变化的梯度。
如果你有更多的数据，我建议从绘制数据开始，以获得一个印象。然后我会尝试一个多元线性回归和一个感知器或多层感知器。
https://datascience.stackexchange.com/questions/32888
复制相似问题
腾讯云开发者
