Python での時系列分類の例-Python チュートリアル-php.cn

Python での時系列分類の例

WBOY

リリース： 2023-06-10 11:58:44

オリジナル

1977 人が閲覧しました

Python は現在最も人気のあるプログラミング言語の 1 つであり、その強力で柔軟な機能により、データサイエンスと機械学習の分野で選ばれる言語となっています。時系列は、株価や天候の変化などの時間順のデータを記述するために使用できるため、データ分析において非常に重要な概念です。

この記事では、Python を使用して時系列データを分類する方法を検討します。

データの準備

まず、分類用のデータを準備する必要があります。この例では、UCI Machine Learning Repository のデータセットを使用します。これには、それぞれ 24 時間の気象データで構成される 1000 日の時系列が含まれています。このデータセットは、翌日の最低気温が特定のしきい値を下回るかどうかを予測することを目的としています。

パンダライブラリを使用してデータセットを読み込みます。

import pandas as pd

# 加载数据集
data = pd.read_csv("weather.csv")

# 查看前几行数据
print(data.head())

ログイン後にコピー

出力:

      Date  R1  R2  R3  R4  R5  R6  R7  R8  R9  ...  R15  R16  R17  R18  R19  R20  R21  R22  R23  R24  Tmin
0  1/01/14  58  41  67  63  44  50  46  52  64  ...   82   83   62   49   67   73   65   52   39   23    42
1  2/01/14  46  45  36  63  72  75  80  65  68  ...   74   73   52   43   36   47   19   16   13   15    26
2  3/01/14  48  37  39  45  74  75  76  66  45  ...   76   62   49   50   38   50   29   15   13   15    30
3  4/01/14  46  43  47  76  48  68  77  61  61  ...   24   28   39   33   26    3    4    6    0   10    50
4  5/01/14  49  42  58  74  70  47  68  59  43  ...   55   37   36   42   30   29   35   31   25   22    32

ログイン後にコピー

ご覧のとおり、データセットには日付、24 時間の気象データ、最低気温 (Tmin) などの情報が含まれています。

特徴エンジニアリング

分類の前に、データを前処理する必要があります。ステップの 1 つは特徴エンジニアリングです。ここでは、モデルのパフォーマンスを向上させるために元のデータから新しい特徴を抽出する必要があります。

時系列から次の特徴を抽出できます:

平均
分散
最大値
最小値
中央値
標準偏差

パンダを使用すると、これらの特徴をすばやく抽出できます。

# 提取以下特征
features = []
for i in range(1, 25):
    features.append("R"+str(i))
    
data['Mean'] = data[features].mean(axis=1)
data['Std'] = data[features].std(axis=1)
data['Min'] = data[features].min(axis=1)
data['Max'] = data[features].max(axis=1)
data['Median'] = data[features].median(axis=1)
data['Var'] = data[features].var(axis=1)

# 查看更新后的数据集
print(data.head())

ログイン後にコピー

出力:

      Date  R1  R2  R3  R4  R5  R6  R7  R8  R9  ...  R18  R19  R20  R21  R22  R23  R24  Tmin       Mean        Std  Min  Max  Median         Var
0  1/01/14  58  41  67  63  44  50  46  52  64  ...   49   67   73   65   52   39   23    42  55.166667  15.181057   23   83    54.5  230.456140
1  2/01/14  46  45  36  63  72  75  80  65  68  ...   43   36   47   19   16   13   15    26  47.125000  20.236742   13   80    45.5  410.114035
2  3/01/14  48  37  39  45  74  75  76  66  45  ...   50   38   50   29   15   13   15    30  47.208333  19.541905   13   76    44.5  382.149123
3  4/01/14  46  43  47  76  48  68  77  61  61  ...   33   26    3    4    6    0   10    50  36.750000  19.767969    0   77    42.5  390.350877
4  5/01/14  49  42  58  74  70  47  68  59  43  ...   42   30   29   35   31   25   22    32  45.666667  16.013175   22   74    43.5  256.508772

ログイン後にコピー

これで、時系列からいくつかの新しい特徴を正常に抽出できました。これにより、分類子にさらに多くの情報が提供されます。

データパーティション

次に、データセットをトレーニングセットとテストセットに分割する必要があります。このタスクを実行するには、scikit-learn ライブラリを使用します。

from sklearn.model_selection import train_test_split

X = data.drop(['Date','Tmin'], axis=1)
y = data['Tmin']

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

ログイン後にコピー

ここでは、データセットを 80% のトレーニングセットと 20% のテストセットに分割します。

時系列分類

これで、時系列分類子を使用してデータを分類する準備が整いました。この例では、LightGBM モデルを使用します。

import lightgbm as lgb

# 创建LightGBM分类器
clf = lgb.LGBMClassifier()

# 训练模型
clf.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = clf.predict(X_test)

# 计算精度
accuracy = sum(y_pred == y_test) / len(y_test)
print("Accuracy: {:.2f}%".format(accuracy * 100))

ログイン後にコピー

出力: