Klasyfikacja i inżynieria cech

Uczenie maszynowe dla danych szeregów czasowych w Pythonie

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

Zawsze wizualizuj surowe dane przed dopasowaniem modeli

Wizualizacja danych szeregów czasowych!

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

Jakie cechy wybrać?

Surowe dane szeregów czasowych są zbyt zaszumione do klasyfikacji
Należy obliczyć cechy!
Dobry start: podsumuj dane audio

Obliczanie wielu cech

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,)

Dopasowanie klasyfikatora w scikit-learn

Zredukowaliśmy zbiór 2D (próbki x czas) do kilku cech zbioru 1D (próbki)
Możemy połączyć cechy i użyć ich jako wejścia do modelu
Jeśli każda próbka ma etykietę, możemy użyć scikit-learn do stworzenia i dopasowania klasyfikatora

Przygotowanie cech dla 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)

Ocena 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)

Czas na ćwiczenia!

Uczenie maszynowe dla danych szeregów czasowych w Pythonie