总结:机器学习算法之PAA与PSO

原创
03/26 15:40
阅读数 795

一、背景介绍

我们知道,对于机器学习算法,一般训练的时间如果太短,可能导致训练效果不好,但是较长时间,比如一天,时间点又太多了,怎么办呢?

办法就是采用时间序列降维的方式把长序列映射为短序列。之后的计算用短序列即可,数据量就会减少很多。具体减少多少,需要评估效果,比如两个点缩为一个点,则总数据量降低一倍,如果三个点合成一个,则降低三倍,以此类推。

下面介绍下一般的采用时间序列降维算法。

二、PAA

PAA:分段聚合近似算法。即基于长序列数据,生成一条短序列数据,使得短序列数据大致和长序列数据的趋势相似。

三、PSO

PSO即粒子群算法。是对PAA算法计算过程的补充。

由于PAA算法会丢失一部分信息 ,比如下图:可能经过均值计算,得出的线和原始数据差别比较大。

PSO算法大致是会去找斜率变化比较大的点,要求斜率较大点需要在拟合线的附近,这样原始序列的重要特征就被保留下来了。

 

参考:

时间序列异常检测(PAA及SAX方法)

优化算法——粒子群算法(PSO)

展开阅读全文
打赏
0
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部