【发布时间】：2020-06-18 18:59:36
【问题描述】：
第0、1、2、3列是四种时间序列数据。 当机器正常时，它会提供正常的可预测数据。 在故障模式下是完全不同的。 在故障模式下明显不同，接近于零。
我需要预测机器何时处于故障模式和故障模式？
【问题讨论】：
标签： python-3.x pandas machine-learning jupyter-notebook data-science
【发布时间】：2020-06-18 18:59:36
【问题描述】：
我会为此使用线性回归。看起来你可以在多个维度上画直线并完成它。
【讨论】：
-
离散是什么意思？你发布的价值观对我来说似乎是连续的。此外，您对您的机器的了解比我多，但据我了解，当机器处于危险中时，这些数字的表现会有所不同。忽略日期时间列，而是将每一行标记为 0 或 1，正常或故障。如果你也想做故障模式，那么你会做一个热编码，如果你有兴趣，我可以告诉你更多。实际上，使用 AutoML 有一种更简单的方法。
-
github code 正如你所建议的，我尝试进行标签编码。但是如何将值更改为 0 或 1。您可以查看上面的 github 代码并提出建议吗？
好的，这就是我要做的。查看您的 Seaborn 图表，看看您是否可以将数据分为 3 个不同的类别：正常、失败和失败。然后创建 3 个新列，其标题为 Normal、Failing 和 Failed。如果该行看起来机器运行正常，请在“正常”列中输入 1。如果下一行看起来失败，请在“失败”列中输入 1，以此类推。
【讨论】：