分类与特征工程

Python 中的时间序列机器学习

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

拟合模型前务必先可视化原始数据

可视化你的时间序列数据！

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

用哪些特征？

原始时间序列用于分类噪声过大
需要计算特征！
简单起步：汇总音频数据

计算多个特征

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,)

用 scikit-learn 拟合分类器

我们将二维数据集（样本 × 时间）压缩为一维数据集（样本）的多种特征
可将各特征组合，用作模型输入
若每个样本都有标签，可用 scikit-learn 创建并训练分类器

为 scikit-learn 准备特征

# 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)

评估你的 scikit-learn 模型

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)

Passons à la pratique !

Python 中的时间序列机器学习