将时间序列与机器学习相结合

Python 中的时间序列机器学习

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

了解我们的数据

本课程所用数据集均可在网上免费获取
网络上有很多可下载的数据集，我们将使用来自 Kaggle 的数据

心跳声学数据

来自不同患者的多段心音录音
部分为正常心音，部分存在异常
数据由音频文件 + 每个文件的标签组成
我们能找到"异常"心跳吗？

加载音频数据

from glob import glob
files = glob('data/heartbeat-sounds/files/*.wav')

print(files)

['data/heartbeat-sounds/proc/files/murmur__201101051104.wav',
 ...
 'data/heartbeat-sounds/proc/files/murmur__201101051114.wav']

读取音频数据

import librosa as lr
# `load` 接受音频文件路径
audio, sfreq = lr.load('data/heartbeat-sounds/proc/files/murmur__201101051104.wav')

print(sfreq)

在此示例中，采样频率为 2205，表示每秒 2205 个样本

由样本推断时间

若知道时间序列的采样率，就可得到每个数据点相对于首个数据点的时间戳
注意：这假设采样率固定且没有丢失数据点

创建时间数组（I）

为每个样本创建索引数组，并除以采样频率

  indices = np.arange(0, len(audio))
  time = indices / sfreq

创建时间数组（II）

找到第 N-1 个数据点的时间戳。然后用 linspace() 从 0 插值到该时间

  final_time = (len(audio) - 1) / sfreq
  time = np.linspace(0, final_time, sfreq)

纽约证券交易所数据集

该数据集包含 10 年的公司股价
我们能否从历史记录中发现可用于预测未来股价的模式？

查看数据

data = pd.read_csv('path/to/data.csv')

data.columns

Index(['date', 'symbol', 'close', 'volume'], dtype='object')

data.head()

         date symbol       close       volume
0  2010-01-04   AAPL  214.009998  123432400.0
1  2010-01-04    ABT   54.459951   10829000.0
2  2010-01-04    AIG   29.889999    7750900.0
3  2010-01-04   AMAT   14.300000   18615100.0
4  2010-01-04   ARNC   16.650013   11512100.0

在 Pandas DataFrame 中处理时间序列

可通过 dtypes 属性查看各列的数据类型

df['date'].dtypes

0    object
1    object
2    object
dtype: object

将一列转换为时间序列

要将 DataFrame 中的某列视为时间序列，请使用 to_datetime()

df['date'] = pd.to_datetime(df['date'])

df['date']

0   2017-01-01
1   2017-01-02
2   2017-01-03
Name: date, dtype: datetime64[ns]

Passons à la pratique !

Python 中的时间序列机器学习