Klasifikace a extrakce příznaků

Machine Learning pro data časových řad v Pythonu

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

Před tvorbou modelů vždy vizualizujte nezpracovaná data

Vizualizujte svá časová data!

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

Jaké příznaky použít?

Surová časová data jsou pro klasifikaci příliš zašuměná
Je třeba vypočítat příznaky!
Jednoduchý začátek: shrňte zvuková data

Výpočet více příznaků

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,)

Trénování klasifikátoru v scikit-learn

Právě jsme převedli 2D dataset (vzorky × čas) na několik příznaků 1D datasetu (vzorky)
Příznaky lze kombinovat a použít jako vstup modelu
Pokud má každý vzorek popisek, lze pomocí scikit-learn vytvořit a natrénovat klasifikátor

Příprava příznaků pro 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)

Hodnocení modelu scikit-learn

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)

Pojďme si procvičit!

Machine Learning pro data časových řad v Pythonu