MLS使用记录-预测问题

    在整理一个设备异常预警问题时，对预测模型需要加深理解。在MLS的基础上，学习了整个预测算法的使用过程，从数据整理到模型和结果比对。首先记录MLS汽车价格预测的整个过程，其次是对设备预警问题的一些理解。

1.预测汽车价格：

（1）数据整理，数据形式整理如下，每一列为一个特征，最后一列为价钱标签：

（2）数据整理后登陆MLS开采建立实例：

（3）建立实例后点击访问，进入主页可以进行数据上传、创建项目等操作。创建一个yjl项目，并点击左侧数据创建一个data文件，将整理好的数据上传。（这块没有先后顺序，可以先传数据，后建立项目也可以）

（4）一切准备好，创建工作流，进行建模：

（5）创建好工作流，这里有输入、数据转换、评估和输入5个模块，需要哪些内容可以在对应模块里面进行拖拽到右边就ok:

（6）开始设计模型，从数据输入到模型数据输出设计，每个选项点击左键都出现配置窗口进行配置，在配置时容易出现错误的是没有修改元数据的标签列。

（7）模型建立完成后，点击左上角三角形运行按钮运行即可：

（8）运行一会，会出现下面工作流运行成功就可以了。

（9）最后，查看模型效果，点击回归模型评估节点，选择输出数据集的数据预览，便可查看模型运行效果。

（10）根据上述流程将一个预测模型在MLS上走通。如果效果不好，可以尝试调整模型参数，或者换用其他模型，若是都不好则考虑自己的数据特征选择和标签列是否需要调整。

2. 通过对设备异常预警的理解，由于设备异常数据比较少，所以一般利用设备正常运行的数据进行预测，将观测值与预测值的相似度或者差值来进行判断是否存在故障信息，具体为现进行数据预处理，在进行设备工况划分，获取设备稳定运行的数据，选择特征并进行数据整理和标记，继而进行预测模型选择和后期的相似度或者差值计算判断。按照上述流程，首先对数据进行整理，数据有温度、振动、电流等数据，对这些数据进行预处理，包括有数据对齐，数据缺失补充和异常剔除等，选取特征，一般选取统计性特征等。整理好数据就直接在MLS上进行上述顺序建模和评估。