机器学习分类器后处理:Logistic Regression时序结果窗口滤波实现与资料检索
时序二分类故障检测模型的后处理落地问题
- 现有开发进度:面向工业生产过程的电流、压力等多维度时序输入特征,已完成Logistic Regression分类器搭建,可输出逐时间步的二分类预测结果。
- 当前模型短板:输出结果噪声占比较高,存在大量离散随机误报,时序一致性不足,无法适配工业故障检测的场景可靠性要求。
- 拟实现的后处理方案:设计窗口式滤波逻辑,截取固定长度X的连续预测结果作为判定窗口,当窗口内正类预测样本数量超过预设阈值时,才将窗口对应的样本判定为正类,以此降低随机噪声对检测结果的干扰。
- 核心现存困难:对机器学习分类器后处理方向的学习资料缺乏精准检索方向,找不到匹配当前工业时序故障检测场景的可参考实现路径,典型的模型输出特征为二分类时序结果中随机分布大量孤立的正类误报点,无连续的真实故障输出段。
内容的提问来源于stack exchange,提问作者Higor Nunes
相关产品推荐
相关产品推荐

