機械学習：離散データと連続データを一緒に扱う方法

Question

分類問題で離散データと連続データをどのように扱うかについての方法論やアイデアがあるかどうかを質問します。

私の状況では、個別のデータを持つ独立した「バッチ」がたくさんあります。これはプロセス関連のデータなので、バッチごとに別々のポイントがあります。私は同じバッチで時間とともに変化するデータセットも持っています。今度は、すべてのバッチに多くの時間観測があります。データセットは以下のようになります。

Data Set 1 

Batch 1  DiscreteInfo(1)  DiscreteInfo(2) ....... DiscreteInfo(n) 
Batch 2  DiscreteInfo(1)  DiscreteInfo(2) ....... DiscreteInfo(n) 
Batch 3  DiscreteInfo(1)  DiscreteInfo(2) ....... DiscreteInfo(n) 
Batch 4  DiscreteInfo(1)  DiscreteInfo(2) ....... DiscreteInfo(n) 

Data Set 2 

Batch 1  t(1)  TimeData 
Batch 1  t(2)  TimeData 
Batch 1  t(3)  TimeData 
Batch 1  t(4)  TimeData 
. 
. 
. 
. 
Batch n  (t1)  TimeData 
Batch n  (t2)  TimeData 
Batch n  (t3)  TimeData 

私はこのすべてのデータが「良い」バッチ、「悪い」バッチ、または「まあまあ」バッチに属しているかどうかを分類しようとしています。これは、特定の個別パラメータ（データセットでは使用されていない）によって決まります。

私は機械学習にはとても新しいです。任意の入力またはアイデアが評価されます。私はこの問題に取り組むためにmatlabの分類学習者を使用しています。

Answer 1

分類の問題を処理する際に考慮する必要がある点がいくつかあります。

1. トレーニングデータ。私たちは分類のための訓練データを必要としています。私たちは、上記の属性の値と、それが「良い」か「悪い」か「そう」かどうかにかかわらず、クラスの値を必要とします。
2. これを使用して、モデルを訓練し、訓練されたすべての属性について新しいデータを与え、それが属するクラスを予測することができます。

離散的および連続的な限り、離散的および連続的データを処理する方法には違いはありません。実際、この場合、あるバッチの他のすべての時間変数の関数となる新しい属性を生成し、分類を実行することができます。データセットのインスタンスを提供すると、より正確に質問に答えることができます。