zoukankan      html  css  js  c++  java
  • 如何用python将一个时间序列转化成有监督学习

    机器学习可以被用于时间序列预测。

    在机器学习能使用之前,时间序列预测需要被重新转化成有监督学习。将一个序列组合成成对的输入输出序列。

    在这篇教程中,你会发现如何通过使用机器学习算法将单变量和多变量的时间预测序列转化成有监督学习。

    在看完这篇教程之后,你会知道:

    1、如何写一个将时间序列的数据集转化成有监督学习的数据集的函数。

    2、如何将机器学习用于一个单变量的时间序列。

    3、如何将机器学习用于一个多变量的时间序列。

    开始吧~

    • 时间序列vs有监督学习

    开始之前,我们先来看看时间序列和有监督学习的数据。

    一个时间预测序列是一串通过时间索引排序的数字序列,这可以被认为是一列排好序的数值。

    比如:

    0
    1
    2
    3
    4
    5
    

      一个有监督学习将输入(X)和输出(Y)进行组合,以便于算法可以学习如何预测从输入预测输出。

    比如:

    X,    Y
    1,    2
    2,    3
    3,    4
    4,    5
    5,    6
    
    • Pandas的shift()函数

    一个帮助将时间序列转化成有监督学习任务的关键函数是Pandas shift() 函数。

    给定一个DataFrame,shift()函数可以被用来创造一列数据的副本,然后将数据向前推进或者向后回退。

    这个行为要求在监督学习的形式内创造一列滞后的观察值作为时间序列的预测值。

    让我们看一下例子吧~

    我们定义一个模拟的含有十个数据的时间序列,在DateFrame这样创造:

    from pandas import DataFrame
    df = DataFrame()
    df['t'] = [x for x in range(10)]
    print(df)
    

      运行这个小例子,会打印时间序列数据以及它们的列索引

         t
    0    0
    1    1
    2    2
    3    3
    4    4
    5    5
    6    6
    7    7
    8    8
    9    9
    

      我们可以通过在顶上插入一个新行使得这一列的时间序列数据滞后原来一个时间步长。因为新的行没有数据,我们可以使用NaN来表示没有数据。

    shift()函数可以自动帮我们做这个事:

    from pandas import DataFrame
    df = DataFrame()
    df['t'] = [x for x in range(10)]
    df['t-1'] = df['t].shift(1)
    print(df)
    

      运行这个小例子会得到两行数据,第一列是原来的,第二列是转化后的。

    可以看出来将序列向前推进一个时间步可以给我们一个原始的有监督学习数据集,尽管X和Y是错误的顺序。忽略列中的行标记。第一行被抛弃因为有NaN数值。第二行表示输入为0.0时,输出为1。

       t  t-1
    0  0  NaN
    1  1  0.0
    2  2  1.0
    3  3  2.0
    4  4  3.0
    5  5  4.0
    6  6  5.0
    7  7  6.0
    8  8  7.0
    9  9  8.0
    

      可以看到,如果我们重复上述过程给shift()函数2,3...等参数,就可以创造一个可以被用来预测输出Y的长的输入序列X。

    shift()函数也可以接收负整数为参数,负整数会将数据提前并且在序列最后加NaN。

    from pandas import DataFrame
    df = DataFrame()
    df['t'] = [x for x in range(10)]
    df['t+1'] = df['t'].shift(-1)
    print(df)
    

      运行这个小例子,会得到:

       t  t+1
    0  0  1.0
    1  1  2.0
    2  2  3.0
    3  3  4.0
    4  4  5.0
    5  5  6.0
    6  6  7.0
    7  7  8.0
    8  8  9.0
    9  9  NaN
    

      在时间序列预测中,(t)表示当前时间,未来将要被预测的时间是(t+1, t+2,...,t+n),过去被已经被观察的时间是(t-1, t-2,..., t-n)。

      我们已经看到对时间序列如何进行正向或者逆向的转化组成输入和输出形式的DateFrame,并将此作为有监督学习的数据集。这种方法不仅可以组成X->y的预测,还可以组成输入和输出都是序列的X->Y的预测。

    • The series_to_supervised() Function

    在这部分,我们会定义一个新的python函数叫做 series_to_supervised() ,它可以完成将单变量或者多变量的时间序列数据转化成有监督学习的数据。

    这个函数有四个参数:

    • data:2D的numpy数组或者列表存储序列。
    • n_in:将时间序列滞后n_in个时间步,取值范围为[1...len(data)],默认值为1。
    • n_out:输出y的个数,取值范围为[1...len(data)-1]。默认值为1。
    • dropnan:布尔值,表示是否丢弃NaN值。默认值为True,表示丢弃。
    • return:panda DataFrame
    from pandas import DataFrame
    from pandas import concat
    
    def series_to_supervised(data, n_in=1, n_out=1, dropnan=True):
    	"""
    	Frame a time series as a supervised learning dataset.
    	Arguments:
    		data: Sequence of observations as a list or NumPy array.
    		n_in: Number of lag observations as input (X).
    		n_out: Number of observations as output (y).
    		dropnan: Boolean whether or not to drop rows with NaN values.
    	Returns:
    		Pandas DataFrame of series framed for supervised learning.
    	"""
    	n_vars = 1 if type(data) is list else data.shape[1]
    	df = DataFrame(data)
    	cols, names = list(), list()
    	# input sequence (t-n, ... t-1)
    	for i in range(n_in, 0, -1):
    		cols.append(df.shift(i))
    		names += [('var%d(t-%d)' % (j+1, i)) for j in range(n_vars)]
    	# forecast sequence (t, t+1, ... t+n)
    	for i in range(0, n_out):
    		cols.append(df.shift(-i))
    		if i == 0:
    			names += [('var%d(t)' % (j+1)) for j in range(n_vars)]
    		else:
    			names += [('var%d(t+%d)' % (j+1, i)) for j in range(n_vars)]
    	# put it all together
    	agg = concat(cols, axis=1)
    	agg.columns = names
    	# drop rows with NaN values
    	if dropnan:
    		agg.dropna(inplace=True)
    	return agg
    

      

    参考博客:https://machinelearningmastery.com/convert-time-series-supervised-learning-problem-python/

  • 相关阅读:
    斐波那契数列——兔子问题
    最长上升子序列
    洛谷P1325 雷达安装
    K短路
    DIJ的优化,和spfa的优化
    洛谷P5017摆渡车
    洛谷P2258 子矩阵
    三元表达式、列表推导式和生成器表达式
    递归调用、 二分法
    匿名函数、内置函数
  • 原文地址:https://www.cnblogs.com/catpainter/p/8671844.html
Copyright © 2011-2022 走看看