randomforestregressor python_Sktime：用于时间序列机器学习的Python库

全文共4701字，预计学习时长12分钟

图源：unsplash

在Python中使用时间序列来解决数据科学问题是非常有挑战性的，现有的工具并不适合时间序列任务，也不容易集成。

Scikiti -learn包中的方法假设数据是表格格式结构，每一列为独立同分布——这些假设不适用于时间序列数据。包含时间序列学习模块的程序包，例如状态模型，不能很好地集成。此外，现有的Python包不支持许多基本的时间序列操作，比如将数据分成不同时间的训练集和测试集。

Sktime就是为了解决这一问题应运而生的。Sktime是一个使用时间序列进行机器学习的开源Python工具箱。这是一个由英国经济与社会研究理事会、消费者数据研究中心和艾伦·图灵研究所资助的社区驱动的基金项目。

Sktime将Scikit-learn应用程序接口扩展到时间序列任务。它提供了必要的算法和转换工具，能有效地解决时间序列回归、预测和分类任务。该库包括其他通用类库没有的、专用的时间序列学习算法和转换方法。

Sktime的设计可以与Scikiti -learn互操作，轻松适应相关时间序列任务的算法，并构建复合模型。具体怎么操作呢?许多时间序列任务是相关联的，能够解决一项任务的算法通常可以用来解决相关的任务，这个概念叫做还原。

例如，时间序列回归模型(使用序列来预测输出值)可用于时间序列预测任务(预测的输出值是终值)。

sktime库标志 | 图源：Github

其宗旨是：“Sktime使可理解和可组合的机器学习具有时间序列，为支持清晰学习任务分类Scikiti -learn兼容算法和模型组合工具提供了具有启发性的文档和友好的社群。”

本文将重点介绍sktime的一些特性。

适合时间序列的数据模型

Sktime针对pandas数据帧中的时间序列使用了嵌套数据结构。

典型数据框架中的每一行都包含独立同分布观测值，列代表不同的变量。对于Sktime方法，Pandas数据帧中的每个单元格包含整个时间序列。这种格式对于多变量、面板和异构数据很灵活，允许重用Pandas和Scikit-learn中的方法。在下表中，每一行都是一个观察值，X列中包含一个时间序列数组，y列包含一个组值。

本机时间序列数据结构，与sktime兼容

在下表中，按照Scikit-learn的方法要求，X列中的每个元素被分为单个列，251列的维数非常高。此外，表格学习算法忽略了列的时间顺序(但用于时间序列分类和回归算法)。

scikit-learn所需时间序列数据结构

对于建模多个同时出现的系列的问题，本机系列数据结构兼容的Sktime显然是最好的，Scikiti -learn表格格式数据结构训练的模型会淹没在众多特性中。

sktime能做什么?

根据Github页面介绍，sktime目前提供：

· 模型调优。

· 转换器和模型流水线技术。

· 最先进的时间序列分类、回归和预测算法(来自基于java的tsml工具包)。

· 用于时间序列的转换器:单序列变换(例如去趋势或去周期)，序列作为特征变换(例如特征提取器)，以及组成不同转换器的工具。

· 模型集合——例如用于时间序列分类和回归的可完全定制的随机森林；多变量问题的集合。

sktime应用程序接口

如上所述，Sktime遵循基本的Scikit-learn应用程序接口以及拟合、预报和变换类方法。对于估计量(即模型)类，Sktime提供了一个拟合方法用于模型训练，以及一个预报方法用于生成新的预测；Sktime中的估计量将Scikit-learn的回归器和分类器扩展到对应的时间序列；Sktime还包括特定于时间序列任务的新的估计器。

图源：unsplash

对于转换器类，sktime提供了拟合和转换方法来转换系列数据。有几种可用的类型转换:

· 表格式数据转换器，例如PCA，可以在独立同分布实例上操作。

· 序列到基元转换器，将每一行的时间序列转换为基元数字(例如，特征事务)。

· 序列到序列转换器将序列转换为不同的序列(如序列的傅里叶变换)。

· 去趋势转换器返回与输入序列在同一域中的去趋势时间序列(例如去周期)。

代码示例

时间序列预测

下面的例子改编自Github上的预测教程，本例中的系列(博克思-詹金斯法航空数据集)显示了1949-1960年期间每月国际航空公司乘客的数量。

首先，加载数据并将其分为训练集、测试集和图表。sktime提供了两个方便的函数来轻松完成此任务——temporal_train_test_splitfor按时间分割数据集，plot_ys用于绘制训练和测试序列值。

from sktime.datasets import load_airline                        fromsktime.forecasting.model_selection import temporal_train_test_split                        fromsktime.utils.plotting.forecasting import plot_ys              y =load_airline()                        y_train,y_test =temporal_train_test_split(y)                        plot_ys(y_train,y_test, labels=["y_train", "y_test"])

在创建复杂的预测之前，将预测与一个简单的基线进行比较会很有帮助——一个好的模型必须超过这个值。sktime提供NaiveForecaster方法，采用不同的“策略”生成基线预测。

下面的代码和图表展示了两个天真预测。strategy = " last "预测器会预测序列的最后观察值。strategy = " seasonal_last "预测器预测给定季节中观察到的序列最后一个值。本例中的周期指定为“sp=12”，即12个月。

from sktime.forecasting.naive importNaiveForecaster              naive_forecaster_last =NaiveForecaster(strategy="last")                                       naive_forecaster_last.fit(y_train)                                       y_last=naive_forecaster_last.predict(fh)             naive_forecaster_seasonal =NaiveForecaster(strategy="seasonal_last",sp=12)                                       naive_forecaster_seasonal.fit(y_train)                                       y_seasonal_last=naive_forecaster_seasonal.predict(fh)           plot_ys(y_train,y_test, y_last, y_seasonal_last, labels=["y_train", "y_test", "y_pred_last", "y_pred_seasonal_last"]);                    smape_loss(y_last, y_test)                    >>0.231957

下一个预测片段显示了如何用最小的工作量轻松、正确地调整现有的sklearn回归器来完成预测任务。下方，Sktime的ReducedRegressionForecaste方法使用sklearnRandomForestRegressor模型对序列进行预测。在内部，Sktime将训练数据分割成长度为12的窗口，以便回归器进行训练。

from sktime.forecasting.compose importReducedRegressionForecaster                                                fromsklearn.ensemble importRandomForestRegressor                                                fromsktime.forecasting.model_selection import temporal_train_test_split                                                fromsktime.performance_metrics.forecasting import smape_loss              regressor =RandomForestRegressor()                                                forecaster=ReducedRegressionForecaster(regressor,window_length=12)                                                forecaster.fit(y_train)                                                y_pred= forecaster.predict(fh)              plot_ys(y_train,y_test, y_pred, labels=['y_train', 'y_test', 'y_pred'])                                                smape_loss(y_test, y_pred)

sktime还包含本地预测方法，如AutoArima。

from sktime.forecasting.arima importAutoARIMA                                        forecaster=AutoARIMA(sp=12)                                        forecaster.fit(y_train)              y_pred = forecaster.predict(fh)                                        plot_ys(y_train,y_test, y_pred, labels=["y_train", "y_test", "y_pred"]);                                        smape_loss(y_test, y_pred)                                        >>0.07395319887252469

想要更全面地了解Sktime的预测功能，请查看Sktime预测教程。

时间序列的分类

最后，Sktime可以用于将时间序列划分为不同的序列组。在下面的代码示例中，单个时间序列的分类和scikit-learn中的分类一样简单，唯一的区别在于上面讨论的嵌套时间序列数据结构。

from sktime.datasets import load_arrow_head                            fromsktime.classification.compose importTimeSeriesForestClassifier                            fromsklearn.model_selection import train_test_split                            from sklearn.metricsimport accuracy_score              X, y =load_arrow_head(return_X_y=True)                            X_train, X_test, y_train,y_test =train_test_split(X, y)                            classifier=TimeSeriesForestClassifier()                            classifier.fit(X_train, y_train)                            y_pred= classifier.predict(X_test)                            accuracy_score(y_test, y_pred)                            >>0.8679245283018868

来源： https://pypi.org/project/sktime/

数据传输至TimeSeriesForestClassifier.

关于时间序列和sktime的基本介绍就到这里啦，如果想要更全面地了解时间序列分类，请查看sktime单变量和多变量分类教程。

留言点赞关注

我们一起分享AI学习与发展的干货

如转载，请后台留言，遵守转载规范