1
機械学習：時系列データのパターンを特定する
私は再生可能エネルギーで働いています。私の会社は機器から多くのデータを収集しています。これには通常、プロセスデータ（変圧器の温度、ライン電圧、電流など）および個別のアラーム（ブレーカートリップ、インバーターアラーム値、変圧器過熱アラームなど）が含まれます。これは、データの大まかな例です（csvの行として読み取られます）。 タイムスタンプ、タグ、値 2016年5月25日14：30：01、INVERTER_1.VOLTAGE_DC、249.5 2016年5月25日14：30：06、INVERTER_1.VOLTAGE_DC、250.1 5/25/2016 14：45：02、TRANSFORMER_1.TEMP_ALARM、0 2016年5月25日14：45：15、TRANSFORMER_1.TEMP_ALARM、1 （少なくとも今のところ）リアルタイムではなく、静止しているこのデータに対して何らかのパターン分析を開始したいと思います。私が試みたいのは教師なしの特徴学習だと思いますが、完全にはわかりません。機械学習を1）明白でないパターンを特定し、2）アルゴリズムがデータ内のパターンのシグネチャを特定できるようにするとよいと思います（たとえば、ブレーカが作動すると、単一のフィーダのすべてのインバータが通信を失う）開いています）。 私の最初の質問：これは時系列データと見なされますか？これまでの私の研究では、時系列データは時間の関数であるデータを参照しているようです。ほとんどのデータについて、ドメインエキスパートとして、データの関数を定義することがこの分析に役立つとは思いません。また、私の研究では、時系列データは離散ではなく実数値を参照しているように見えます。 コメントや関連参照があれば参考になります。