Classification et ingénierie des caractéristiques

Machine Learning for Time Series Data in Python

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

Toujours visualiser les données brutes avant d'entraîner un modèle

Visualisez vos séries temporelles !

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

Quelles caractéristiques utiliser ?

Les séries temporelles brutes sont trop bruyantes pour la classification
Il faut calculer des caractéristiques !
Un bon début : résumer vos données audio

Calculer plusieurs caractéristiques

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,)

Entraîner un classifieur avec scikit-learn

Nous avons réduit un jeu de données 2D (échantillons × temps) en plusieurs caractéristiques d'un jeu 1D (échantillons)
On peut combiner chaque caractéristique pour servir d'entrée au modèle
Avec un label par échantillon, on peut utiliser scikit-learn pour créer et entraîner un classifieur

Préparer vos caractéristiques pour scikit-learn

# Importer un classifieur linéaire
from sklearn.svm import LinearSVC

# Remarque : les moyennes sont remaniées pour scikit-learn
X = np.column_stack([means, maxs, stds])
y = labels.reshape(-1, 1)
model = LinearSVC()
model.fit(X, y)

Évaluer votre modèle scikit-learn

from sklearn.metrics import accuracy_score

# Données d'entrée différentes
predictions = model.predict(X_test)  

# Évaluer le modèle en % correct
# Manuellement
percent_score = sum(predictions == labels_test) / len(labels_test)  
# Avec un scoreur sklearn
percent_score = accuracy_score(labels_test, predictions)

Passons à la pratique !

Machine Learning for Time Series Data in Python