【7天入门机器学习课程附加题：故障多分类】总结之一——数据理解与分析

7天入门机器学习课程地址：https://education.huaweicloud.com:8443/courses/course-v1:HuaweiX+CBUCNXE018+Self-paced/about

一、附加题作业说明：

场景说明：某设备的运行会出现3种故障（Abnromal1、Abnromal2、Abnromal3）和正常状态（Normal）。

训练数据：提供了6个文件，每个文件包含2维数据，每个文件表示一个时间序列，每一行表示某个时间点采集的2维数据。<训练数据说明.csv>标识了每个文件的类别.

测试数据：提供了56个文件，每个文件包含2维数据，每个文件表示一个时间序列.

答案提交：通过训练数据训练模型，通过模型来判定测试数据中每个文件属于什么类别。

二、数据理解

根据作业说明，训练数据有6个文件，每个文件有一个标识，而每个文件是一个时间序列，每个文件中的每一行表示某个时间点采集的2维数据。说明每个文件（时间序列）的标识也是文件中每一行（时间点上）的标识。

6个文件是大样本，每个文件的每一行是小样本，大样本才6个，不够机器学习。所以用小样本来机器学习。

三、数据分析

本题数据量较少，虽为时间序列数据，但暂不考虑时间序列，所以可用Excel对文件中的两列rawdata、output数据做数据分析，这里用的是Office2016。

1、将6个文件的两列rawdata、output数据复制到一个Excel文件中，并把output列改为文件名。如下图：

2、选中AB列按住Ctrl两列两列地选择后面各列数据：

3、插入更多散点图：

4、选择下图：

从图中可以直观地看出各文件数据rawdata、output列各自呈线性关系。标识为Abnormal1的1.csv文件在最上方，标识为Abnormal2、Abnormal3的2.csv、3.csv文件在最下方，标识为Normal的4.csv、5.csv、6.csv文件在中间。从原始数据看除标识Abnormal2与Abnormal3较为相近外，各标识还是比较容易区分。为了区分标识Abnormal2与Abnormal3还是要对原始数据做特征强化处理。