Please enable JavaScript.

Coggle requires JavaScript to display documents.

针对工业大数据应用的分布式并行时间序列特征提取 - Coggle Diagram

- - - - $$\exists y_1,y_2\, with \,f_Y(y_1)>0, f_Y(y_2)>0 : f_{X|Y=y_1} \neq f_{X|Y=y_2}$$
      - 解释
        
        存在y_1,y_2，条件分布大于0时，在X的条件下，y_1和y_2的条件分布是不一样的，那么X和Y就是相关联的
  - - - Exact Fisher test of independence
        
        用于检测特征和目标都是二元分类的关联性
      - Kolmogorov-Smirnov test (binary feature)
        
        用于检测二元特征和连续目标分类的关联性
      - Kolmogorov-Smirnov test (binary target)
        
        将上一个方法目标和特征调换，以检测非二元特征和二元目标的关联性
      - Kendal rank test
        
        用于检测特征和目标都不是二元分类的关联性
  - - - FRESH_PCAb(efore)
        
        在进行Feature Mapping后就进行PCA
      - FRESH_PCAa(fter)
        
        在整个FRESH完成后进行PCA
- - - - 概述
        
        对于有规律的时序相关信息,可用公式表示
      - $$S_{i,j}= (s_{i,j,1},s_{i,j,2}...,s_{i,j,n_t^{(j)}} \quad)^T$$
      - $$S=n*m*\sum_{j=1}^m n_t^{(j)}$$
      - 解释
        
        n是设备数量，i代表n中第几个设备
        
        m是设备中的传感器数量，j代表m中的第几个设备
        
        n_t代表传感器第i个时序的数值，因为每个传感器的时序都不一样，所以上标有j
  - - - $$n_{\phi}=n*n_f+n_i$$
      - 解释
        
        n_phi代表某个设备的特征量
        
        n_f代表不同的mapping
        
        n_i代表设备的某些固定属性