【问题标题】:Creating improved binary classifier using information from a semi-continuous target?使用来自半连续目标的信息创建改进的二元分类器?
【发布时间】:2021-04-08 16:52:01
【问题描述】:

我正在研究一个用于预测性维护的有监督二元分类问题,该问题被表述为以下问题:“这台设备在接下来的 N 个月内发生故障的概率是多少?”

我有一个在单个时间点采集的连续和分类特征的数据集。然后在一段时间内跟踪该机器的状态以查看它是否有任何故障。由此,我的目标要么是数值(以月为单位的失败时间),要么是 null(它没有失败)。

目前,我将其建模为纯二元分类 - 如果失败 > N 个月或没有失败,则为 0,如果失败

干杯!

【问题讨论】:

    标签: model regression classification selection


    【解决方案1】:

    您可以通过实施例如加速故障时间 (AFT) 模型来使用生存回归。以下是几个例子:

    【讨论】:

    • 谢谢!不出所料,这是一个完整的领域,我只需要找到合适的术语:)
    猜你喜欢
    • 1970-01-01
    • 1970-01-01
    • 2019-06-24
    • 2023-01-13
    • 2017-04-29
    • 2018-12-01
    • 2020-08-30
    • 1970-01-01
    • 2012-08-11
    相关资源
    最近更新 更多