Základy strojového učení
Machine Learning pro data časových řad v Pythonu
Chris Holdgraf
Fellow, Berkeley Institute for Data Science
Vždy začněte prozkoumáním dat
array.shape
(10, 5)
array[:3]
array([[ 0.735528 , 1.00122818, -0.28315978],
[-0.94478393, 0.18658748, -0.00241224],
[-0.74822942, -1.46636618, 0.69835096]])
Vždy začněte prozkoumáním dat
df.head()
col1 col2 col3
0 0.735528 1.001228 -0.283160
1 -0.944784 0.186587 -0.002412
2 -0.748229 -1.466366 0.698351
3 1.038589 -0.171248 0.831457
4 -0.161904 0.003972 -0.321933
Vždy vizualizujte data
Ověřte, že data vypadají podle očekávání.
# Using matplotlib
fig, ax = plt.subplots()
ax.plot(...)
# Using pandas
fig, ax = plt.subplots()
df.plot(..., ax=ax)
Scikit-learn
Scikit-learn je nejpopulárnější knihovna pro strojové učení v Pythonu
from sklearn.svm import LinearSVC
Příprava dat pro scikit-learn
scikit-learnvyžaduje určitou strukturu dat:(samples, features)Data musí být alespoň dvourozměrná
První dimenze musí odpovídat vzorkům (samples)
Pokud data nejsou správně tvarována
- Pokud jsou osy prohozeny:
array.T.shape
(10, 3)
Pokud data nejsou správně tvarována
- Pokud chybí osa, použijte
.reshape():
array.shape
(10,)
array.reshape(-1, 1).shape
(10, 1)
-1automaticky doplní osu zbývajícími hodnotami
Trénování modelu pomocí scikit-learn
# Import a support vector classifier
from sklearn.svm import LinearSVC
# Instantiate this model
model = LinearSVC()
# Fit the model on some data
model.fit(X, y)
Proměnná y má obvykle tvar (samples, 1)
Zkoumání modelu
# There is one coefficient per input feature
model.coef_
array([[ 0.69417875, -0.5289162 ]])
Predikce pomocí natrénovaného modelu
# Generate predictions
predictions = model.predict(X_test)
Lass uns üben!
Machine Learning pro data časových řad v Pythonu
