use*_*851 9 machine-learning time-series hidden-markov-models
你是一架追踪穿越大洋的敌舰的飞机,所以你已经收集了一系列(x,y,时间)船的坐标.你知道一艘隐藏的潜艇和船一起旅行以保护它,但是当它们的位置之间存在相关性时,潜艇经常会从船上徘徊,所以虽然潜艇经常靠近它,但它也可以在船的另一侧.世界偶尔.你想预测潜艇的路径,但遗憾的是它对你来说是隐藏的.
但是四月份的一个月你会注意到潜艇忘记了自己,所以你在整个1000次旅行中都有一系列潜艇和船的坐标.使用这些数据,你想建立一个模型来预测隐藏的潜艇的路径,只给出船的运动.天真的基线将是"潜艇位置猜测="船的当前位置"但是从潜艇可见的4月份数据来看,你注意到潜艇有一个倾向于先于船只,所以"潜艇的位置猜测=船舶在1分钟内的位置"是一个更好的估计.此外,4月的数据显示,当船在水中停留较长时间时,潜艇很可能在远处巡逻沿海水域.还有其他模式当然.
鉴于4月数据作为训练数据,您如何构建此模型来预测潜艇的路径？我目前的解决方案是临时线性回归,其中因素是"行程时间","货船的x坐标","货船闲置1天"等等,然后让R计算出重量并进行交叉-validation.但我真的很想从4月份的数据中自动生成这些因素.此外,使用序列或时间的模型会很好,因为线性回归不会,我认为它是相关的.
编辑:我用一个虚构的故事重新制定了这个问题,所以它不那么令人困惑.我发布的原始问题是:
我有两个主题的眼动追踪数据 - 老师和学生.它的形式为(x,y,时间),因此每个主题都有一系列.老师的看法会影响学生的看法.我只使用教师数据用什么方法来预测学生正在看什么？假设我可以使用金标准的学生和教师数据训练一些学习算法.
考虑到维基百科中的定义,我认为隐藏的马尔可夫模型是合适的,但我不确定如何将其应用于我的数据集.
更多细节:我有关于教师和学生如何看待地图和一些阅读材料的数据.我有40个这样的数据集,看起来像[(366,234,0),(386,234,5),......]这意味着老师在时间0看了点(366,234),然后5秒后向上看了坐标(386,234).我可以学习一个模型,以了解教师如何看待内容与预测学生如何看待相同内容之间的关系.因此,也许学生以与教师相同的顺序查看内容,但速度较慢.或许学生不会四处看看,但老师会扫描更多的内容.我有两组数据,想看看我能得到的模型有多准确 - 我是否能够在教师看待行为的50px内预测学生的外表行为？
| 归档时间： |
|
| 查看次数： |
3622 次 |
| 最近记录： |