| pyts入门之时间序列的简单特征提取（一） | 您所在的位置：网站首页 › piecewise是什么意思 › pyts入门之时间序列的简单特征提取（一） |
pyts入门之时间序列的简单特征提取（一）
|
简介
pyts简单的说就是打包了多种时间序列分类和处理算法的类scikit-learn库，国内介绍该库的文档相对较少，所以本人打算开一个新坑，在学习的同时结合自身的理解介绍pyts库的主要api和功能。 那么在进入正题前先介绍一下pyts的基本概念，定义时间序列（x1,x2,x3…,xn)，如果一个时间序列只有一个特征，那么xi属于实数集R，该时间序列为单变量时间序列，如果一个时间序列有多个特征，那么xi属于R^d，d指维度，xi为一个d维向量，该时间序列为多元时间序列（比如一串GPS就有纬度和经度两个坐标特征）。 处理单个特征和多个特征的算法是不同的，pyts中提供的大多数算法适用于单个特征。此外在一个时间序列数据集中，会存在长度不等的时间序列和长度相等的时间序列，pyts中的算法也集中于处理长度相等的时间序列，至于长度不等的如前文介绍过的dtw算法就可以处理。 接下来介绍pyts的输入和输出。对于单个变量的时间序列，输入为(n个样本，n个时间戳），对于多个变量的时间序列，输入为（n个样本，n个特征，n个时间戳），对于分类的输出为，一维的0或1组成的向量。 此外可能有人会问，我们不能以传统的机器学习算法来进行时间序列的分类吗？答案是可以，比如启发式KNN就有不错的效果，但是关键点在于时间序列本身存在很高的自相关性，所以不适合用传统的机器学习算法来解决。 那么本节，我们将进行时间序列的特征工程的基础篇，Approximating time series（近似时间序列）。 实践 pip install pyts 或 conda install -c conda-forge pyts 或 git clone https://github.com/johannfaouzi/pyts.git cd pyts pip install . #安装完后可pytest pyts测试能否正常运行首先是安装环节，这个库的安装非常简单，虽然官方提供了三种方式，不过直接用pip安装是最快的。 安装好之后进入正题，第一篇，近似时间序列，也即对未处理的时间序列进行简单的数据预处理，在保留数据主要特征的同时清理掉数据中的噪声，当然，不同的算法对数据的基本要求是不一样的，怎么灵活的处理在这里就不讨论了，今天来介绍几种基本的处理方式。 方式一：Piecewise Aggregate Approximation（分段聚合近似) 理解：分段，或者说窗口，比如每两个时间点为一个窗口，再对该窗口进行聚合操作（Aggregate这个词最早在SQL数据库里接触到，聚合函数，即sum()，count()之类的），以此来逼近原始序列，具体是怎么样呢？ 例子： from pyts.approximation import PiecewiseAggregateApproximation import matplotlib.pyplot as plt import numpy as np X = np.array([0, 4, 2, 1, 7, 6, 3, 5,2, 5, 4, 5, 3, 4, 2, 3]) n_timestamps = len(X) #时间戳长度就是有多少个数字 window_size = 2 #定义窗口大小为2 transformer = PiecewiseAggregateApproximation(window_size=window_size) #实例化 X_transform = transformer.transform(X.reshape(1,-1)) #转换 #print(x_transform)转换后结果 #array([[2. , 1.5, 6.5, 4. , 3.5, 4.5, 3.5, 2.5]]) #下面是作图部分 plt.plot(X,'o--',label='Original') #o--定义线条的style plt.plot(np.arange(window_size // 2,n_timestamps + window_size // 2,window_size),X_transform[0],'o--',label='PAA') plt.legend(loc='best', fontsize=10) #loc='best'自动寻找最好的位置 plt.xlabel('Time', fontsize=12) plt.title('Piecewise Aggregate Approximation', fontsize=16) plt.vlines(np.arange(0, n_timestamps, window_size)-0.5, #-0.5往左移动看的清楚 X.min(), X.max(), color='g', linestyles='--', linewidth=0.5) #图中的绿线
相关参数说明： class pyts.approximation.PiecewiseAggregateApproximation(window_size=1, output_size=None, overlapping=True) 参数说明window_size=1窗口大小默认为1，若为浮点数则为转换后百分比output_size=None返回时间序列的大小，如果定义了window_size则忽略该参数overlapping=True若为False，在一些情况下窗口大小是变化的方法二：Symbolic Aggregate approximation（符号聚合近似） 理解：其实就是数据分箱，即把一串连续的数据转换为不同等级的数据。比如1,3,3,5,5,7就可以分为四个等级，A，B，C，D，一个数字代表一类，或者三个等级，A（1），B（3,5），C（7），或者两个等级，A（1,3），B（5,7）。 例子： import numpy as np import matplotlib.lines as mlines import matplotlib.pyplot as plt from scipy.stats import norm from pyts.approximation import SymbolicAggregateApproximation X = np.array([[0, 4, 2, 1, 7, 6, 3, 5], [2, 5, 4, 5, 3, 4, 2, 3]]) n_bins = 4 sax = SymbolicAggregateApproximation(n_bins=n_bins) X_sax = sax.fit_transform(X) #print(X_sax) #array([['a', 'c', 'b', 'a', 'd', 'd', 'b', 'c'], #['a', 'd', 'c', 'd', 'b', 'c', 'a', 'b']], dtype=' |
上面的窗口为2，所以每两个数字进行一次聚合，（0+4）/2 = 2，（2+1）/2=1.5…以此类推，把十六个数字的序列变成了八个数字，是不是非常简单？而且也可以发现它的使用方法和sklearn基本一致，都是先实例化一个class，然后调用继承的通用方法进行转换，十分简单。 图中也可以非常清晰的看到两个蓝色的点变成了一个橙色的点，也就是我们转换后的值，至于作图过程能注释的都注释了，此外新手在学习时要千万注意数组的shape，为什么在代码中要先X.reshape（1，-1），和为什么取x_transform[0]，这里就留给大家自己探索吧。【本文地址】