Classificação e engenharia de atributos

Machine Learning para dados de séries temporais em Python

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

Sempre visualize os dados brutos antes de ajustar modelos

Visualize seus dados de séries temporais!

ixs = np.arange(audio.shape[-1])
time = ixs / sfreq
fig, ax = plt.subplots()
ax.plot(time, audio)

Quais atributos usar?

Usar dados brutos de séries temporais é ruidoso demais para classificação
Precisamos calcular atributos!
Comece fácil: resuma seus dados de áudio

Calculando vários atributos

print(audio.shape)
# (n_files, time)

(20, 7000)

means = np.mean(audio, axis=-1)
maxs = np.max(audio, axis=-1)
stds = np.std(audio, axis=-1)

print(means.shape)
# (n_files,)

(20,)

Ajustando um classificador com scikit-learn

Acabamos de reduzir um conjunto 2D (amostras x tempo) a vários atributos de um conjunto 1D (amostras)
Podemos combinar cada atributo e usá-lo como entrada de um modelo
Se tivermos um rótulo por amostra, dá para usar scikit-learn para criar e ajustar um classificador

Preparando seus atributos para scikit-learn

# Importe um classificador linear
from sklearn.svm import LinearSVC

# Note que os means foram reorganizados para funcionar com scikit-learn
X = np.column_stack([means, maxs, stds])
y = labels.reshape(-1, 1)
model = LinearSVC()
model.fit(X, y)

Avaliando seu modelo do scikit-learn

from sklearn.metrics import accuracy_score

# Dados de entrada diferentes
predictions = model.predict(X_test)  

# Avalie o modelo com % de acertos
# Manualmente
percent_score = sum(predictions == labels_test) / len(labels_test)  
# Usando um scorer do sklearn
percent_score = accuracy_score(labels_test, predictions)

Vamos praticar!

Machine Learning para dados de séries temporais em Python