R语言玩转时间序列：判别分析与模型解释一步到位

 

时间序列的特征数据，用于判类别的分析，如何使用R语言轻松搞定。

1. 对时间序列进行降维分析

我们通过将每一列的特征值按窗口进行划分，然后确定好跳步，如100为一个窗口，50为一个跳步，将高维的数据降维，同时获得以下新的特征。当然除了我代码里面展示的一些特征，还可以根据自己的数据添加斜率、自相关等一些新的特征。

 

2. 对转换后的数据进行及其学习的判别分析，机器学习的判别分析方法可以根据自己的数据集的大小进行选择。如下是chatgpt给出的选择方法。

3. 根据我的数据大小情况，我选择了其中LightGBM的机器学习的5分类的判别分析。在这里涉及到一个模型的训练的次数，这里大家可以根据自己的需求，选择20次没有提升就停止迭代，选择每次训练使用的最佳模型。

4. 在这里我们通过该方法确认了5分类的判别效果可以达到98.5%，那么接下来需要考虑的问题：如何去解释我们判别分析的结果，到底哪些特征在该模型的判别中具有重要作用。在这推荐使用SHAP的机器学习的模型解释的分析。该模型的功能大家可以去查一查，我觉得是一种很好的方式去解释机器学习模型中的无法解释的问题。

 5. 最后，对HSAP分析的主要几个指标进行可视化，确认其在判别分析的重要性及结合生物学意义进行解释。

如各位正在做机器学习判别分析的科研人员可以欢迎进行进一步的交流。