Druhy časových řad a jejich využití

Machine Learning pro data časových řad v Pythonu

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

Časové řady

Co tvoří časovou řadu?

Datový bod	Datový bod	Datový bod	Datový bod	Datový bod	Datový bod
1	34	12	54	76	40

Časový bod	Časový bod	Časový bod	Časový bod	Časový bod	Časový bod
2:00	2:01	2:02	2:03	2:04	2:05

Časový bod	Časový bod	Časový bod	Časový bod	Časový bod	Časový bod
Jan	Feb	Březen	Duben	Květen	Červen

Časový bod	Časový bod	Časový bod	Časový bod	Časový bod	Časový bod
1e-9	2e-9	3e-9	4e-9	5e-9	6e-9

Načtení časové řady pomocí Pandas

import pandas as pd
import matplotlib.pyplot as plt
data = pd.read_csv('data.csv')
data.head()

          date symbol       close       volume
0   2010-01-04   AAPL  214.009998  123432400.0
46  2010-01-05   AAPL  214.379993  150476200.0
92  2010-01-06   AAPL  210.969995  138040000.0
138 2010-01-07   AAPL  210.580000  119282800.0
184 2010-01-08   AAPL  211.980005  111902700.0

Vykreslení časové řady v pandas

import matplotlib.pyplot as plt
fig, ax = plt.subplots(figsize=(12, 6))
data.plot('date', 'close', ax=ax)
ax.set(title="AAPL daily closing price")

Graf časové řady

Proč strojové učení?

Umožňuje pracovat s velkými a složitými daty

Proč strojové učení?

Umožňuje...

Předpovídat budoucnost
Automatizovat tento proces

Proč je kombinovat?

Pipeline strojového učení

Extrakce příznaků
Trénování modelu
Predikce a validace

Lass uns üben!

Machine Learning pro data časových řad v Pythonu