我的任务是预测测试实例所处的状态 . 我的列车集具有M个实例时间序列，每个实例具有不同的持续时间 . 每个实例在列车数据中有5个状态（s1，s2，s3，s4，s5） . 对于每个实例，所有状态都以相同的顺序出现 . 在我的测试数据中，并非所有实例都具有所有5个状态 . 我的目标是预测特定实例所处的状态 . 未给出类标签 . 我已经执行了分层聚类来分割每个列车实例 . 在预测时，我使用快速DTW来查找特定测试实例与所有M列实例的相似性 . 我选择距离最小的那个 . 我使用此列车模型来查找测试实例的当前状态 .
但我不确定这会有多准确 . 我可以将具有簇号的分类器应用为标签，但我希望有更强大的方法，因为我的数据是高维的 . 在执行DTW时是否需要考虑任何性能指标？使用分类限制我，因为我的测试集没有所有状态信息，我应该将我的数据限制为仅训练集 . 显然，可能无法预测当前状态 .