मशीन लर्निंग के साथ टाइमसीरीज़ डेटा को जोड़ना

Python में Time Series Data के लिए Machine Learning

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

अपने डेटा को समझें

इस कोर्स में हम जिन डेटासेट्स का उपयोग करेंगे, वे सभी ऑनलाइन मुफ़्त उपलब्ध हैं
वेब पर कई डेटासेट्स डाउनलोड के लिए हैं, हमारे वाले Kaggle से आते हैं

हार्टबीट अकूस्टिक डेटा

अलग-अलग मरीज़ों से हार्ट साउंड्स की कई रिकॉर्डिंग्स
कुछ के दिल सामान्य थे, कुछ में असामान्यताएँ थीं
डेटा ऑडियो फ़ाइलों के रूप में है + हर फ़ाइल के लिए लेबल्स
क्या आप "abnormal" हार्टबीट्स ढूँढ सकते हैं?

ऑडिटरी डेटा लोड करना

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']

ऑडिटरी डेटा पढ़ना

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)

यहाँ sampling frequency 2205 है, यानी प्रति सेकंड 2205 samples हैं

सैंपल्स से समय निकालना

अगर हमें टाइमसीरीज़ का sampling rate पता है, तो हर datapoint का timestamp हमें पहले datapoint के सापेक्ष मिल जाता है
नोट: यह मानता है कि sampling rate फिक्स है और कोई datapoint नहीं खोया है

टाइम array बनाना (I)

हर sample के लिए एक indices array बनाएँ, और sampling frequency से भाग दें
```
  indices = np.arange(0, len(audio))
  time = indices / sfreq
```

टाइम array बनाना (II)

अंतिम यानी N-1th datapoint का timestamp निकालें. फिर linspace() से 0 से उस समय तक interpolate करें
```
  final_time = (len(audio) - 1) / sfreq
  time = np.linspace(0, final_time, sfreq)
```

New York Stock Exchange डेटासेट

यह डेटासेट 10 साल के company stock values का है
क्या हम ऐसे पैटर्न्स पहचान सकते हैं जो भविष्य में कंपनियों के मूल्य की भविष्यवाणी करने दें?

डेटा को देखें

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

Pandas DataFrames के साथ टाइमसीरीज़

हर कॉलम के object type की जाँच dtypes attribute से करें

df['date'].dtypes

0    object
1    object
2    object
dtype: object

कॉलम को टाइम सीरीज़ में बदलना

DataFrame के किसी कॉलम को time series की तरह ट्रीट कराने के लिए to_datetime() फंक्शन का उपयोग करें

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]

अभ्यास करते हैं!

Python में Time Series Data के लिए Machine Learning