Combining timeseries data with machine learning

Machine Learning pour les données chronologiques en Python

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

Familiarisation avec nos données

Les ensembles de données utilisés dans ce cours sont tous offerts gratuitement en ligne
Il y a de nombreux ensembles à télécharger sur le Web; ceux de ce cours viennent de Kaggle

Données acoustiques des battements de cœur

Plusieurs enregistrements de sons cardiaques de différents patients
Certains avaient un cœur qui fonctionne normalement, d'autres des anomalies
Données sous forme de fichiers audio + étiquettes pour chaque fichier
Peut-on repérer les battements « anormaux » ?

Chargement de données audio

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']

Lecture de données audio

import librosa as lr
# `load` accepts a path to an audio file
audio, sfreq = lr.load('data/heartbeat-sounds/proc/files/murmur__201101051104.wav')

print(sfreq)

Ici, la fréquence d'échantillonnage est 2205, donc 2205 échantillons par seconde

Déduire le temps à partir des échantillons

Si l'on connaît la fréquence d'échantillonnage d'une série chronologique, on connaît l'horodatage de chaque point de données, relatif au premier
Remarque : cela suppose une fréquence fixe et aucune perte de points

Créer un tableau de temps (I)

Créez un tableau d'indices, un par échantillon, puis divisez par la fréquence d'échantillonnage
```
  indices = np.arange(0, len(audio))
  time = indices / sfreq
```

Créer un tableau de temps (II)

Trouvez l'horodatage du point de données N-1. Puis utilisez linspace() pour interpoler de zéro jusqu'à ce temps
```
  final_time = (len(audio) - 1) / sfreq
  time = np.linspace(0, final_time, sfreq)
```

Jeu de données de la New York Stock Exchange

Cet ensemble contient les valeurs boursières d'entreprises sur 10 ans
Peut-on déceler des motifs historiques pour prédire la valeur future des entreprises ?

Examen des données

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

Séries chronologiques avec les DataFrame Pandas

On peut examiner le type d'objet de chaque colonne via l'attribut dtypes

df['date'].dtypes

0    object
1    object
2    object
dtype: object

Convertir une colonne en série chronologique

Pour qu'une colonne d'un DataFrame soit traitée comme série chronologique, utilisez la fonction 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 !

Machine Learning pour les données chronologiques en Python