Algorytm uczenia maszynowego klasyfikacji do określenia płaskowyżu na "wykresie temperatury"

1) Należy stworzyć algorytm uczenia maszynowego klasyfikacji do określenia plateau na danych czas-temperatura.

Dane zawierają 4 parametry - czas, temperatura, strefy, (typ)czujnika

Czas – czas

Temperatura – temperatura

Strefy - wskaźnik na plateau (0 - plateau, 1 - nagrzewanie, 2 - chłodzenie).

(typ)czujnika – typ czujnika (może być około 10 typów czujników)

Proszę zobaczyć przykłady wykresów na podstawie danych, plateau zaznaczone jest owalem. 

2) Docelowa dokładność w przewidywaniu parametru strefy - 90-95%.

3) Należy użyć optymalizacji Bayesa hiperparametrów (takie jest zlecenie).

4) Należy przygotować krótkie opisy metod używanych w kodzie, opisać dlaczego te metody zostały wybrane (na przykład, dlaczego wybrano RandomForestClassifier). Jeśli możliwe jest zastosowanie alternatywnych metod, należy również je wskazać).

[Orientacyjnie dla czujnika każdego typu będzie 5 eksperymentów]

[W niektórych typach czujników "plateau" może znajdować się pod kątem >30°, dlatego potrzebne jest MO z treningiem na ręcznie oznaczonych danych, a nie matematyka do określenia "płaskiego" odcinka]

Widzę 2 opcje realizacji MO:

- jeden model dla wszystkich typów czujników, do rozróżnienia typów używa się parametru (typ)czujnika (to preferowana opcja, jeśli nie wpłynie to na dokładność przewidywania plateau).

- oddzielny model MO dla każdego typu czujnika, każdy model MO jest osobno trenowany na swoim typie czujnika

Zadanie - nie uzyskać teraz pliku z wytrenowanym modelem MO, ale uzyskać metodę uczenia modelu/modeli MO. Aby można było stwierdzić, że zastosowano takie a nie inne metody i uzyskano taki a nie inny wynik. Można to traktować jako pracę naukową.

Dane wejściowe czas-temperatura w excel:

1) Typ czujnika – zn

dane treningowe - 4 eksperymenty na 4 arkuszach w jednym pliku:

https://docs.google.com/spreadsheets/d/1v3Tj_lhWme4-qF7wkuSNWIP-NEOtvxN2/edit?usp=drive_link&ouid=117387964102202863857&rtpof=true&sd=true, 

dane testowe - jeszcze 1 eksperyment w oddzielnym pliku:

https://docs.google.com/spreadsheets/d/1o6GJZOsriIM2gZiB-de2OQsGMPMUuWOr/edit?usp=drive_link&ouid=117387964102202863857&rtpof=true&sd=true

2) Typ czujnika – sn

[wkrótce będzie jeszcze 4-5 eksperymentów, analogicznie do zn]

3) Typ czujnika – in

[wkrótce będzie jeszcze 4-5 eksperymentów, analogicznie do zn]

Dane wyjściowe:

- plik z wytrenowanym modelem

- accuracy_score i inne standardowe wskaźniki w konsoli

- accuracy_score i inne standardowe wskaźniki w pliku excel na 1. arkuszu, na 2. arkuszu dane testowe + przewidywane dane, 

Przykład:

https://docs.google.com/spreadsheets/d/1iG_uskzq7LVYArw0ObljklQXWZfuQYO7/edit?usp=sharing&ouid=117387964102202863857&rtpof=true&sd=true