我有一组设备,每个设备都有一个时间列表 T,表示设备开启的时间,例如:
设备 A:[周一 16:03,周一 15:59,周三 16:05,... n]
我正在检测使用模式。例如,如果第二天一个人在平均时间 T+/-5 分钟内打开开关,则该时间和平均时间 T 值之间可能存在强烈的联系。我们可以说这是一种模式,并且可以在以后的日子里逐渐建立起来。如果有一天缺少值(开关没有打开),即出现遗漏,则置信度可能会降低。一个问题是需要考虑缺少数据的天数。如果置信度低于阈值,则可以说模式不存在。
我创建了一个简单的工作版本(未考虑遗漏),但我更感兴趣的是更伟大的思想家认为评估和检测每天事件是否发生的最佳方法。我认为这是最好的地方,因为我对优雅而美丽的处理方式感兴趣。是否有更好的统计模型可用于解决此类模式?谢谢。
设备 A:[周一 16:03,周一 15:59,周三 16:05,... n]
我正在检测使用模式。例如,如果第二天一个人在平均时间 T+/-5 分钟内打开开关,则该时间和平均时间 T 值之间可能存在强烈的联系。我们可以说这是一种模式,并且可以在以后的日子里逐渐建立起来。如果有一天缺少值(开关没有打开),即出现遗漏,则置信度可能会降低。一个问题是需要考虑缺少数据的天数。如果置信度低于阈值,则可以说模式不存在。
我创建了一个简单的工作版本(未考虑遗漏),但我更感兴趣的是更伟大的思想家认为评估和检测每天事件是否发生的最佳方法。我认为这是最好的地方,因为我对优雅而美丽的处理方式感兴趣。是否有更好的统计模型可用于解决此类模式?谢谢。