Kürzlich beginne ich mit maschinellem Lernen. Ich möchte ein maschinelles Lernmodell für ein Echtzeit-Brandmeldesystem erstellen. Eingabedaten sind Umwelteigenschaften und Ausgabedaten sind Feuermöglichkeiten. Wenn Time = 0 ist, setzen wir das Feuer. Nur zum Beispiel:Wie erstellt man ein maschinelles Lernmodell für ein Brandmeldesystem?
Time Temperature CO CO2 ... ... Fire_Possibility
-20 20 ** ** Low
-15 21 ** ** Low
-10 19 ** ** Low
-5 20 ** ** Low
0 22 ** ** Med
5 25 ** ** Med
10 27 ** ** High
15 31 ** ** High
... ...
... ...
Ich versuche, ein neuronales Netz mit Weka zu trainieren, so dass für jeden Moment, ich die Änderungsrate und den relativen Wert für jedes Attribut zu berechnen und dann das Modell trainieren, wie folgt aus:
Time Tem_Rate_of_change Tem_Relative_value CO CO2 ... ... Fire_Possibility
-20 0 0 ** ** Low
-15 1 1 ** ** Low
-10 -2 -1 ** ** Low
-5 1 0 ** ** Low
0 2 2 ** ** Med
5 3 5 ** ** Med
10 2 7 ** ** High
15 4 11 ** ** High
... ...
... ...
Aber ich konnte kein Modell mit hoher Genauigkeit erhalten. Ich denke, es ist besser, die Erkennung mit allen Werten in der Vergangenheit zu machen, anstatt Werte in einem Moment zu verwenden. Ich weiß nicht, ob es ein maschinelles Lernmodell gibt, das in der Vergangenheit mit Werten in einer bestimmten Zeit trainiert werden kann. Kann mir jemand helfen?