10、时间序列分类：从Edge Impulse到Python实现

时间序列分类：从Edge Impulse到Python实现

1. Edge Impulse平台的时间序列分类

1.1 特征提取与生成

在Edge Impulse平台进行时间序列分类时，完成特征提取配置后，点击“Save parameters”进入“Generate Features”页面，再点击“Generate features”按钮，等待该过程完成。此步骤必不可少，否则后续无法训练模型。处理完成后，会出现散点图展示聚类数据。

1.2 学习块配置

最后要配置的是学习块，目前选项有限，平台会推荐选择分类块，选择后点击“Save Impulse”按钮。左侧菜单的“Spectral features”下会出现分类器条目，点击可打开模型训练配置页面。默认拓扑结构是一个包含两个密集层的神经网络，每层神经元数量较少。在某些数据集上，使用默认参数就能达到接近100%的分类准确率，这表明提取的特征质量很高，即使简单模型也能准确分类。

1.3 重要参数说明

在模型训练配置页面，有两个重要参数：
- 训练周期数（Number of training cycles） ：决定模型的学习时长，默认值50较为合理。若准确率较低且呈上升趋势，可尝试增加该值。
- 学习率（Learning rate） ：控制模型在每个epoch更新权重的幅度，推荐值为0.005，与默认的0.0005不同。较低的学习率可能带来更高的准确率，但需要更多的训练周期。

1.4 检测准确率是否提升

点击“Save &