Menggabungkan data deret waktu dengan machine learning

Machine Learning untuk Data Deret Waktu di Python

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

Mengenal data kita

Semua himpunan data di kursus ini tersedia gratis daring
Ada banyak himpunan data di web; yang kita gunakan berasal dari Kaggle

Data Akustik Detak Jantung

Banyak rekaman bunyi jantung dari pasien berbeda
Sebagian jantung berfungsi normal, sebagian ada kelainan
Data berupa berkas audio + label untuk tiap berkas
Bisakah kita menemukan detak jantung "abnormal"?

Memuat data audio

from glob import glob
files = glob('data/heartbeat-sounds/files/*.wav')

print(files)

['data/heartbeat-sounds/proc/files/murmur__201101051104.wav',
 ...
 'data/heartbeat-sounds/proc/files/murmur__201101051114.wav']

Membaca data audio

import librosa as lr
# `load` accepts a path to an audio file
audio, sfreq = lr.load('data/heartbeat-sounds/proc/files/murmur__201101051104.wav')

print(sfreq)

Dalam kasus ini, frekuensi sampling adalah 2205, artinya ada 2205 sampel per detik

Menurunkan waktu dari sampel

Jika kita tahu laju sampling suatu deret waktu, maka kita tahu cap waktu tiap titik data relatif terhadap titik pertama
Catatan: ini mengasumsikan laju sampling tetap dan tidak ada data yang hilang

Membuat array waktu (I)

Buat array indeks, satu per sampel, lalu bagi dengan frekuensi sampling
```
  indices = np.arange(0, len(audio))
  time = indices / sfreq
```

Membuat array waktu (II)

Temukan cap waktu untuk titik data ke-N-1. Lalu gunakan linspace() untuk menginterpolasi dari nol hingga waktu tersebut
```
  final_time = (len(audio) - 1) / sfreq
  time = np.linspace(0, final_time, sfreq)
```

Himpunan data New York Stock Exchange

Himpunan data ini berisi nilai saham perusahaan selama 10 tahun
Bisakah kita mendeteksi pola historis untuk memprediksi nilai saham di masa depan?

Melihat data

data = pd.read_csv('path/to/data.csv')

data.columns

Index(['date', 'symbol', 'close', 'volume'], dtype='object')

data.head()

         date symbol       close       volume
0  2010-01-04   AAPL  214.009998  123432400.0
1  2010-01-04    ABT   54.459951   10829000.0
2  2010-01-04    AIG   29.889999    7750900.0
3  2010-01-04   AMAT   14.300000   18615100.0
4  2010-01-04   ARNC   16.650013   11512100.0

Deret waktu dengan Pandas DataFrame

Kita dapat memeriksa tipe objek tiap kolom melalui atribut dtypes

df['date'].dtypes

0    object
1    object
2    object
dtype: object

Mengonversi kolom menjadi deret waktu

Agar kolom pada DataFrame diperlakukan sebagai deret waktu, gunakan fungsi to_datetime()

df['date'] = pd.to_datetime(df['date'])

df['date']

0   2017-01-01
1   2017-01-02
2   2017-01-03
Name: date, dtype: datetime64[ns]

Ayo berlatih!

Machine Learning untuk Data Deret Waktu di Python