Поєднання часових рядів із машинним навчанням

Machine Learning для часових рядів у Python

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

Знайомимося з даними

Усі набори даних у цьому курсі вільно доступні онлайн
Є багато даних для завантаження в мережі; ми використаємо набори з Kaggle

Акустичні дані серцебиття

Багато записів серцевих звуків від різних пацієнтів
У частини серце працювало нормально, в інших — були відхилення
Дані — це аудіофайли плюс мітки для кожного файлу
Чи зможемо знайти «абнормальні» серцеві удари?

Завантаження аудіоданих

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']

Зчитування аудіоданих

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)

У цьому випадку частота дискретизації — 2205, тобто 2205 відліків за секунду

Виведення часу з відліків

Якщо відома частота дискретизації часового ряду, то можна визначити мітку часу кожної точки даних — відносно першої точки
Зауважте: це припускає сталу частоту дискретизації і відсутність втрат точок

Створення масиву часу (I)

Створіть масив індексів по одному на кожен відлік і поділіть на частоту дискретизації
```
  indices = np.arange(0, len(audio))
  time = indices / sfreq
```

Створення масиву часу (II)

Знайдіть мітку часу для N-1-ї точки. Потім використайте linspace() для інтерполяції від нуля до цього часу
```
  final_time = (len(audio) - 1) / sfreq
  time = np.linspace(0, final_time, sfreq)
```

Набір даних Нью-Йоркської фондової біржі

Цей набір містить котирування акцій компаній за 10 років
Чи можемо знайти закономірності в історичних даних, щоб прогнозувати майбутню вартість компаній?

Ознайомлення з даними

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

Часові ряди в датафреймах Pandas

Тип об'єкта кожного стовпця можна перевірити через атрибут dtypes

df['date'].dtypes

0    object
1    object
2    object
dtype: object

Перетворення стовпця на часовий ряд

Щоб стовпець у DataFrame трактувався як часовий ряд, скористайтеся функцією 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]

Давайте потренуємось!

Machine Learning для часових рядів у Python