Подведение итогов

Машинное обучение для данных временных рядов на Python

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

Временные ряды и машинное обучение

• Применение временных рядов в машинном обучении
• Всегда начинайте с визуализации данных
• API scikit-learn стандартизирует этот процесс

Извлечение признаков и классификация

• Сводная статистика для классификации временных рядов
• Объединение нескольких признаков в одну матрицу
• Извлечение признаков из данных временных рядов

Обучение модели и повышение качества данных

• Признаки временных рядов для регрессии
• Генерация прогнозов во времени
• Очистка и улучшение данных временных рядов

Валидация и оценка качества модели

• Кросс-валидация для временных рядов (данные не перемешивать!)
• Стационарность временных рядов
• Оценка стабильности коэффициентов и метрик модели

Продвинутые концепции временных рядов

• Продвинутые оконные функции
• Обработка сигналов и фильтрация
• Спектральный анализ

Продвинутое машинное обучение

• Продвинутое извлечение признаков (например, tsfresh)
• Более сложные архитектуры моделей для регрессии и классификации
• Производственные пайплайны для анализа временных рядов

Как практиковаться

• Возможностей для практики с временными рядами очень много.
• На Kaggle есть немало соревнований по прогнозированию временных рядов.
• Quantopian полезен для изучения и применения готовых прогностических моделей.

Давайте потренируемся!

Машинное обучение для данных временных рядов на Python