Комментарии 3
Прочитал с интересом. Как идею могу предложить - посмотреть на dynamic time warping (статистики из него в качестве фич).
Объясните мне пожалуйста вашу фразу, не могу ее понять:
Полученные числа считаем признаковым описанием многомерного ряда и строим по этому представлению логистическую регрессию.
Как можно из 66 чисел получить признаковое пространство, например, для 1000 наблюдений?
Немного уточню: из одного многомерного временного ряда произвольной длины (число замеров в рамках одной сессии -- может быть и 1000, у нас было было по 226) и размерности 12 с помощью подсчёта корреляций получаем 66 чисел (векторизуем верхнюю половину матрицы корреляций). Но таких рядов у нас много (у нас было около 900), соответственно, из тензора 900*226*12 получаем табличку 900*66 (число наблюдений-сессий на число признаков) и можем проводить классификацию. Признаки имеют условные названия "корреляция i-го региона головного мозга из выбранной подсети с j-ым".
Применение метода взаимной информации в медицинских задачах классификации многомерных временных рядов