【问题标题】：r training a datetime stamp model using glm/binomialr 使用 glm/binomial 训练日期时间戳模型
【发布时间】：2023-03-13 17:52:01
【问题描述】：

我有一个包含m、k（均为数字）、startTimeStamp（Posix）和isProcessActive（真/假）的数据模型

我收集这些数据超过 5 天，每行代表一分钟，大约 300 分钟的数据。（有些日子会丢失）。删除了 EndTimeStamp 列，因为 glm 摘要对于这个数据点来说是微不足道的。

IsProcessActive 基于任一

m 或 k > 500
先前和当前startTimeStamp 之间的差异> 65 秒或m 或k 可以为0 或大于0。

样本数据：

m      k   startTimeStamp            IsProcessActive 

550     0     1st March 2018, 11:00AM        1
1550    11    1st March 2018, 11:02AM        1
5       0     1st March 2018, 11:05AM        1
50      50    1st March 2018, 11:06AM        0
0       0     1st March 2018, 11:08AM        0
0       0     1st March 2018, 11:18AM        1

使用带有二项式链接的 glm，输出预测适用于 m 和/或 k 的任何/所有组合。但总是无法预测 startTimeStamp 差异 > 65 秒，m & k 为 0。

希望我能清楚地解释自己。请帮忙。

【问题讨论】：

标签： r machine-learning logistic-regression

【解决方案1】：

最后这个问题通过 2 处更改得到解决。

1。将 startTimeStamp 替换为 diffTime，这是计算的前一次和当前观察之间的时间差（以秒为单位）。如果此值 > 65 或

2。 glm 仍然无法预测，因此切换到 randomForest。现在我有 90% 的准确率和几乎 95% 的 diffTime 预测。

【讨论】：