Klasifikasi dan rekayasa fitur

Machine Learning untuk Data Deret Waktu di Python

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

Selalu visualisasikan data mentah sebelum melatih model

Visualisasikan data deret waktu Anda!

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

Fitur apa yang digunakan?

Data deret waktu mentah terlalu bising untuk klasifikasi
Kita perlu menghitung fitur!
Mulai mudah: rangkum data audio Anda

Menghitung banyak fitur

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,)

Melatih pengklasifikasi dengan scikit-learn

Kita baru saja mereduksi himpunan data 2-D (sampel x waktu) menjadi beberapa fitur dari himpunan data 1-D (sampel)
Kita dapat menggabungkan tiap fitur, lalu menggunakannya sebagai masukan ke model
Jika tiap sampel punya label, kita bisa memakai scikit-learn untuk membuat dan melatih pengklasifikasi

Menyiapkan fitur Anda untuk scikit-learn

# Import a linear classifier
from sklearn.svm import LinearSVC

# Note that means are reshaped to work with scikit-learn
X = np.column_stack([means, maxs, stds])
y = labels.reshape(-1, 1)
model = LinearSVC()
model.fit(X, y)

Menilai model scikit-learn Anda

from sklearn.metrics import accuracy_score

# Different input data
predictions = model.predict(X_test)  

# Score our model with % correct
# Manually
percent_score = sum(predictions == labels_test) / len(labels_test)  
# Using a sklearn scorer
percent_score = accuracy_score(labels_test, predictions)

Ayo berlatih!

Machine Learning untuk Data Deret Waktu di Python