这是我正在尝试做的“非常简化”的示例，并且是机器学习的新手。
我有连续的数字数据输入作为输入。我想检测数据的特定变化，例如心跳监视器中的峰值。
我将如何使用机器学习来实现这一目标？
最佳答案
这取决于您所说的高峰。如果您将峰值提高10点或更多，则可以尝试以下方法：
import numpy as np
min_peak_diff = 10
arr = np.array([3,5,10,42,4,3,6,66,8,12,7,5])
ind = np.add(np.where(arr[1:] >= arr[:-1] + min_peak_diff), 1)
print('peak indexes:', ind)
print('peak values:', arr[ind])
结果：
peak indexes: [[3 7]]
peak values: [[42 66]]
但是，如果您真的想使用机器学习方法，可以看看：
关于此主题的scikit学习页面（有很多方法）https://scikit-learn.org/stable/modules/outlier_detection
Python离群值检测库https://github.com/yzhao062/pyod
关于machine-learning - 检测连续数据中的峰值，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/59477041/