基于时间轴的数据序列的相似性判定问题,是否可以利用机器学习

在回答题主的问题之前,我们先来看一下这个问题:什么样的问题可以用机器学习来解决?最基础的必要条件有两个:这个问题可以用一个函数y = f(x)来描述,且这个函数的输入向量x的维度和输出向量y的维度是固定的。有足够的样本数据。一个样本(x_i, y_i)满足y_i = f(x_i)。评价样本数据是否足够多和所使用的机器学习模型及x的维度有关。根据题主的描述,这两个条件很显然都是满足的。然后,由于题目中提到了时间,所以首先想到的是隐马尔科夫模型( http://zh.wikipedia.org/wiki/%E9%9A%90%E9%A9%AC%E5%B0%94%E5%8F%AF%E5%A4%AB%E6%A8%A1%E5%9E%8B),题主可以先了解一下看看。
■网友
是否可以使用 DTW 算法?

In time series analysis, dynamic time warping (DTW) is one of the algorithms for measuring similarity between two temporal sequences, which may vary in speed. For instance, similarities in walking could be detected using DTW, even if one person was walking faster than the other, or if there were accelerations and decelerations during the course of an observation.
基于时间轴的数据序列的相似性判定问题,是否可以利用机器学习


Dynamic time warping

■网友
【基于时间轴的数据序列的相似性判定问题,是否可以利用机器学习】 关注相同的问题。 不知道有没有类似问题的实际解决方案或者论文可供参考。


    推荐阅读