问对象状态的机器学习
EN

Data Science用户

提问于 2019-07-05 21:58:49

回答 1查看 42关注 0票数 2

我有对象池，其中包含它们的状态历史，其中从一种状态到另一种状态的每一次转换都需要一些时间，例如：

object\ 1: A \overset{1s}{\rightarrow} B \overset{2s}{\rightarrow} C \\ object\ 2: D \overset{3s}{\rightarrow} E \overset{4s}{\rightarrow} F

池由许多具有正确历史记录的对象组成，其中状态序列和转换时间遵循一些未知的规则。此外，池还包含少量具有错误历史记录的对象。但是什么东西是对的还是错的还不清楚。

它需要在泳池里发现错误。例如，“从X到Y的过渡是不允许的”或者“这种类型的过渡时间太长了”。

什么样的机器学习模型更适合这个问题？

回答已采纳

发布于 2019-07-06 12:48:43

在我看来，这个问题类似于语言建模：一个模型是在大量的序列上训练的，然后它可以预测任何输入序列的概率。在您的情况下，低概率将指示异常序列。

我的背景是NLP，这就是为什么我认为语言建模，但我想，同样的技术也用于其他问题。有变迁和状态这一事实意味着马尔可夫模型，对于这种模型，有一些已知的推断和估计方法。因此，也许您可以为您的案例设计一种更具体的模型，并使用类似于鲍姆-韦尔奇算法的东西。

票数 0

页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://datascience.stackexchange.com/questions/55159

复制

相似问题

问对象状态的机器学习EN