Problema de clasificación temporal (¿cómo formatear los datos?)

Question

Estoy trabajando en un proyecto en el que se realiza una prueba física a lo largo del tiempo para decidir si un objeto es diagnosticado como clase $A$ o clase $B$. Normalmente, estas pruebas pueden durar alrededor de 2.5-3 horas, por lo que se registra cada paso de tiempo $t$. $t$ suele durar alrededor de un segundo, por lo que cada fila tiene un conjunto de características en un segundo en particular durante la prueba. Una vez completada la prueba, se decide si el objeto es del tipo $A$ o $B$. Normalmente, los humanos miran el gráfico de la serie temporal de la prueba para determinar esta clasificación, pero a mí me han encargado automatizarlo.

El problema es que cada archivo CSV de una prueba tiene aproximadamente de 9000 a 11000 (2.5 a 3 multiplicado por 3600 segundos en una hora) filas, ya que la duración de la prueba puede variar. La cantidad de características/columnas es fija. Tengo $N$ archivos CSV, que representan los datos de la serie temporal de una prueba realizada en un objeto de muestra (nota: siempre se evalúa una muestra una vez). Entonces, mi pregunta: ¿Hay alguna manera de agregar cada muestra para tener un solo marco de datos para entrenar mi clasificador? ¿O hay otro enfoque?

Para agregar más claridad, tendré que hacer predicciones en archivos CSV que tienen dimensiones de fila inconsistentes debido a la variabilidad en el tiempo de prueba.

Por ejemplo:

• csv1.shape = (8751, 1257) --> Predicción: Clase $A$
• csv2.shape = (10321, 1257) --> Predicción: Clase $A$
• csv3.shape = (9978, 1257) --> Predicción: Clase $B$

Answer 1

Puedes intentar tratar la serie temporal de cada objeto como una función, y usar herramientas de análisis de series temporales funcionales (o análisis de datos funcionales) para analizarla.

Aquí tienes un artículo Clustering and Forecasting Multiple Functional Time Series que intenta hacer esto.

También hay un paquete de R para el análisis de series temporales funcionales aquí. Posiblemente podrías intentar realizar un análisis de componentes principales y luego clasificar las series temporales en base a los coeficientes.

Answer 2

Una opción sería calcular estadísticas resumen (por ejemplo, media, mínima, máxima, autocorrelación de diferentes grados, etc.) de cada serie temporal para cada característica y representar un objeto con un largo conjunto de características.

Otra opción es alimentar la serie temporal multivariada en una arquitectura similar a LSTM y entrenar con la serie cruda. Aunque cabe señalar que hacer que las LSTMs funcionen con series temporales de diferentes longitudes es posible pero puede requerir atención especial.