【求助-机器学习-设备电流数据判断设备工作、待机、关机状态】

项目背景

IOT平台采集设备10秒采集到设备的实时电流值，想通过机器学习的技术实现实时的设备状态判断（工作、关机、待机），客户的需求是判断（关机、开机）即可，待机和工作都归为开机一类。

项目需求

得到设备开机、关机的电流阈值

解决思路

一、人工标记再分类

一种是通过人工打标签标记数据后，再用分类算法去训练模型，但是实际生产环境场景中，因项目设备数量较多，人工打标签成本很大，当然这个训练出来的模型准确率最高，但是目前因为成本原因暂不考虑。

二、机器学习聚类自动打标签后再分类

核心理念就是先通过机器学习聚类算法，比如 KMeans 算法，得到中心镞，并给数据打标签，但是按照这个项目工作、待机、关机来说，应该分三类，理想情况下数据比较规整的话，聚类结果应该是比较完美的，但是现场的数据不是按我们理想情况下就能分三类，工作的电流范围波动很大，导致聚类算法得到的结果和实际结果相差甚远。
目前想的方向是数据清洗，把不规则数据清洗成理想数据，这一块内容就更多了，每个设备的类型都不一样，想要一个设计成一个通用机器学习算法，目前没有好的思路，希望有好的建议可以留言，感激不尽！

三、电流明细数据

以下为电流明细的csv数据，里面包含了我手工打的标签，可以用来验证模型的准确度。