Rodzaje i zastosowania szeregów czasowych

Uczenie maszynowe dla danych szeregów czasowych w Pythonie

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

Szeregi czasowe

Co tworzy szereg czasowy?

Punkt danych	Punkt danych	Punkt danych	Punkt danych	Punkt danych	Punkt danych
1	34	12	54	76	40

Punkt czasu	Punkt czasu	Punkt czasu	Punkt czasu	Punkt czasu	Punkt czasu
2:00	2:01	2:02	2:03	2:04	2:05

Punkt czasu	Punkt czasu	Punkt czasu	Punkt czasu	Punkt czasu	Punkt czasu
Sty	Lut	Mar	Kwi	Maj	Cze

Punkt czasu	Punkt czasu	Punkt czasu	Punkt czasu	Punkt czasu	Punkt czasu
1e-9	2e-9	3e-9	4e-9	5e-9	6e-9

Wczytywanie szeregu czasowego w 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

Wykres szeregu czasowego w 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")

Wykres szeregu czasowego

Dlaczego uczenie maszynowe?

Możemy pracować z bardzo dużymi i złożonymi danymi

Dlaczego uczenie maszynowe?

Możemy...

Przewidywać przyszłość
Automatyzować ten proces

Dlaczego łączyć te dwa podejścia?

Potok uczenia maszynowego

Ekstrakcja cech
Dopasowanie modelu
Predykcja i walidacja

Czas na ćwiczenia!

Uczenie maszynowe dla danych szeregów czasowych w Pythonie