Recapitulare
Machine Learning pentru Date de Tip Șir de Timp în Python
Chris Holdgraf
Fellow, Berkeley Institute for Data Science
Serii de timp și machine learning
- Numeroasele aplicații ale seriilor de timp + machine learning
- Vizualizați întotdeauna datele mai întâi
- API-ul scikit-learn standardizează acest proces
Extragerea caracteristicilor și clasificarea
- Statistici sumare pentru clasificarea seriilor de timp
- Combinarea mai multor caracteristici într-o singură matrice de intrare
- Extragerea caracteristicilor din serii de timp
Ajustarea modelului și îmbunătățirea calității datelor
- Caracteristici ale seriilor de timp pentru regresie
- Generarea predicțiilor în timp
- Curățarea și îmbunătățirea datelor din serii de timp
Validarea și evaluarea performanței modelului
- Validare încrucișată cu serii de timp (nu amestecați datele!)
- Staționalitatea seriilor de timp
- Evaluarea stabilității coeficienților și scorurilor modelului
Concepte avansate în serii de timp
- Funcții de fereastră avansate
- Procesarea și filtrarea semnalelor
- Analiza spectrală
Machine learning avansat
- Extragere avansată de caracteristici din serii de timp (ex.,
tsfresh) - Arhitecturi de modele mai complexe pentru regresie și clasificare
- Pipeline-uri pentru producție în analiza seriilor de timp
Modalități de practică
- Există numeroase oportunități de a exersa cu date din serii de timp.
- Kaggle oferă mai multe provocări de predicție pe serii de timp.
- Quantopian este util pentru a învăța și a folosi modele predictive create de alții.
Să exersăm!
Machine Learning pentru Date de Tip Șir de Timp în Python
