目前有一个项目,采集了一批气压数据。
包括五个气压接口的气压变化数据,五个气压接口之间是有相互耦合关系的。
想用机器学习建立一个模型,当检测到一组新的五个气压数据变化后,来判断出设备是否正常。
其实感觉属于比较简单的机器学习领域,请问用哪种模型比较好呢?
目前有一个项目,采集了一批气压数据。
包括五个气压接口的气压变化数据,五个气压接口之间是有相互耦合关系的。
想用机器学习建立一个模型,当检测到一组新的五个气压数据变化后,来判断出设备是否正常。
其实感觉属于比较简单的机器学习领域,请问用哪种模型比较好呢?
首先准备你的训练数据,5个气压+是否正常。
气压是训练数据,是否正常是学习目标。
one-hot二分类编码,用全连接带有2个隐藏层的神经网络+sigmoid激活函数,交叉熵作为损失函数,采用sgd随机梯度下降作为优化算法试试看。