Voorspellen van data in de tijd

Machine Learning voor tijdreeksgegevens in Python

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

Classificatie vs. Regressie

Classificatie
classification_model.predict(X_test)

array([0, 1, 1, 0])
Regressie
regression_model.predict(X_test)

array([0.2, 1.4, 3.6, 0.6])
Machine Learning voor tijdreeksgegevens in Python

Correlatie en regressie

  • Regressie lijkt op het berekenen van correlatie, met enkele belangrijke verschillen
    • Regressie: een proces dat leidt tot een formeel model van de data
    • Correlatie: een statistiek die de data beschrijft. Bevat minder info dan een regressiemodel.
Machine Learning voor tijdreeksgegevens in Python

Correlatie tussen variabelen verandert vaak in de tijd

  • Tijdreeksen hebben vaak patronen die in de tijd veranderen
  • Twee tijdreeksen die op een moment gecorreleerd lijken, blijven dat niet altijd
Machine Learning voor tijdreeksgegevens in Python

Relaties tussen tijdreeksen visualiseren

fig, axs = plt.subplots(1, 2)

# Make a line plot for each timeseries
axs[0].plot(x, c='k', lw=3, alpha=.2)
axs[0].plot(y)
axs[0].set(xlabel='time', title='X values = time')

# Encode time as color in a scatterplot
axs[1].scatter(x_long, y_long, c=np.arange(len(x_long)), cmap='viridis')
axs[1].set(xlabel='x', ylabel='y', title='Color = time')
Machine Learning voor tijdreeksgegevens in Python

Twee tijdreeksen visualiseren

Machine Learning voor tijdreeksgegevens in Python

Regressiemodellen met scikit-learn

from sklearn.linear_model import LinearRegression
model = LinearRegression()
model.fit(X, y)
model.predict(X)
Machine Learning voor tijdreeksgegevens in Python

Voorspellingen visualiseren met scikit-learn

alphas = [.1, 1e2, 1e3]
ax.plot(y_test, color='k', alpha=.3, lw=3)
for ii, alpha in enumerate(alphas):
    y_predicted = Ridge(alpha=alpha).fit(X_train, y_train).predict(X_test)
    ax.plot(y_predicted, c=cmap(ii / len(alphas)))
ax.legend(['True values', 'Model 1', 'Model 2', 'Model 3'])
ax.set(xlabel="Time")
Machine Learning voor tijdreeksgegevens in Python

Voorspellingen visualiseren met scikit-learn

Machine Learning voor tijdreeksgegevens in Python

Regressiemodellen scoren

  • Twee meest gebruikte methoden:
    • Correlatie ($r$)
    • Determinatiecoëfficiënt ($R^2$)
Machine Learning voor tijdreeksgegevens in Python

Determinatiecoëfficiënt ($R^2$)

  • De waarde van $R^2$ is van boven begrensd door 1 en kan oneindig laag zijn
  • Waarden dichter bij 1 betekenen dat het model de outputs beter voorspelt

$$ 1 - \frac{error(model)}{variance(testdata)} $$

Machine Learning voor tijdreeksgegevens in Python

$R^2$ in scikit-learn

from sklearn.metrics import r2_score
print(r2_score(y_predicted, y_test))

0.08
Machine Learning voor tijdreeksgegevens in Python

Laten we oefenen!

Machine Learning voor tijdreeksgegevens in Python

Preparing Video For Download...