Python与AI分析时间序列数据

简介

时间序列数据是指在特定时间间隔内记录的一系列数据。若要在机器学习中构建序列预测模型，必须处理顺序数据和时间因素。时间序列数据本质上是顺序数据的集合，其中数据的时间排序是其关键特征。

序列分析或时间序列分析的基本概念

序列分析（或时间序列分析）旨在基于先前观察到的数据，在给定输入序列的情况下预测下一个值。预测目标可以是符号、数字、次日天气、下一个语音等任何可能的结果。序列分析在股票市场预测、天气预报及产品推荐等应用场景中具有重要价值。

示例

请参考以下示例以理解序列预测过程。假设已知值A、B、C、D，您需要利用序列预测模型来预测值E。

安装实用软件包

进行时间序列数据分析时，需安装以下Python软件包：

Pandas

Pandas是一个开源的BSD许可库，提供高性能且易于使用的数据结构和Python数据分析工具。可使用以下命令安装Pandas：

pip install pandas

若使用Anaconda并通过conda包管理器安装，可执行以下命令：

conda install -c anaconda pandas

hmmlearn

这是一个开源的BSD许可库，包含用于学习Python中隐马尔可夫模型（HMM）的简单算法和模型。可通过以下命令安装：

pip install hmmlearn

若使用Anaconda并通过conda包管理器安装，可执行以下命令：

conda install -c omnia hmmlearn

PyStruct

这是一个用于结构化学习和预测的库。PyStruct中实现的算法包括条件随机场（CRF）、最大边缘马尔可夫随机网络（M3N）或结构支持向量机等。可通过以下命令安装：

pip install pystruct

CVXOPT

该库用于基于Python语言的凸优化，也是一个免费软件包。可通过以下命令安装：

pip install cvxopt

若使用Anaconda并通过conda软件包管理器安装，可执行以下命令：

conda install -c anaconda cvdoxt

Pandas:处理，切片和从时间序列数据中提取统计数据

处理时间序列数据时，Pandas是非常有用的工具。借助Pandas，您可以执行以下操作：

• 使用pd.date_range()函数创建日期序列
• 使用pd.Series()将带有日期的数据索引为Pandas对象
• 使用ts.resample()函数进行重新采样
• 更改数据频率

示例

以下示例展示了如何使用Pandas处理和切片时间序列数据。请注意，此处使用的是每月北极涛动（AO）数据，来源为monthly.ao.index.b50.current.ascii，可转换为文本格式供使用。

处理时间序列数据

处理时间序列数据需执行以下步骤：

第一步涉及导入以下软件包：

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

接下来，定义一个函数，从输入文件中读取数据，代码如下：

def read_data(input_file):
input_data = np.loadtxt(input_file, delimiter = None)

现在，将此数据转换为时间序列格式。为此，需创建时间序列的日期范围。本例中保持每月数据频率，文件数据起始于1950年1月。

dates = pd.date_range('1950-01', periods = input_data.shape[0], freq = 'M')

在此步骤中，借助Pandas Series创建时间序列数据，如下图所示：

output = pd.Series(input_data[:, index], index = dates)	
return output
if __name__=='__main__':

输入输入文件的路径，如下所示：

input_file = "/Users/admin/AO.txt"

现在，将列转换为时间序列格式，如下所示：

timeseries = read_data(input_file)

最后，使用plt.plot()和plt.show()命令绘制并可视化数据：

plt.figure()
timeseries.plot()
plt.show()

您将观察到如下图所示的图形：

切片时间序列数据

切片仅涉及检索时间序列数据的特定部分。作为示例，我们仅对1980年至1990年的数据进行切片。执行此任务的代码如下：

timeseries['1980':'1990'].plot()
  <matplotlib.axes._subplots.AxesSubplot at 0xa0e4b00>
plt.show()

运行切片时间序列数据的代码后，您可将以下图表视为图中显示的结果：

提取来自时间序列数据的统计数据

若需得出重要结论，必须从给定数据中提取统计数据。平均值、方差、相关性、最大值和最小值是常见的统计指标。若要从给定时间序列数据中提取此类统计数据，可使用以下代码：

平均值

可使用mean()函数查找均值，如下所示：

timeseries.mean()

然后，您将针对所讨论的示例观察到以下输出：

-0.11143128165238671

最大值

可使用max()函数查找最大值，如下所示：

timeseries.max()

然后，您将针对所讨论的示例观察到以下输出：

3.4952999999999999

最小值

可使用min()函数查找最小值，如下所示：

timeseries.min()

然后，您将针对所讨论的示例观察到以下输出：

-4.2656999999999998

一次性获取所有内容

若想一次性计算所有统计数据，可使用describe()函数，如下所示：

timeseries.describe()

然后，您将针对所讨论的示例观察到以下输出：

count 817.000000 mean -0.111431 std 1.003151 min -4.265700 25% -0.649430 50% -0.042744 75% 0.475720 max 3.495300 dtype: float64

重新采样

您可以将数据重新采样到不同的时间频率。执行重新采样的两个参数是：

时间段

方法

使用mean()重新采样

可使用以下代码使用mean()方法重新采样数据，这是默认方法：

timeseries_mm = timeseries.resample("A").mean()
timeseries_mm.plot(style = 'g--')
plt.show()

然后，您可以观察以下图表作为重采样使用mean()的输出：

Re -sampling with median()

可使用以下代码使用median()方法重新采样数据：

timeseries_mm = timeseries.resample("A").median()
timeseries_mm.plot()
plt.show()

然后，您可以观察下图作为重新采样的输出，其中位数为()：

滚动平均值

可使用以下代码计算滚动（移动）均值：

timeseries.rolling(window = 12, center = False).mean().plot(style = '-g')
plt.show()

然后，您可以观察下图作为滚动的输出（移动）mean：

通过隐马尔可夫分析顺序数据模型(HMM)

HMM是一种统计模型，广泛用于具有延续性和可扩展性的数据，如时间序列股票市场预测、健康检查和语音识别。本节详细介绍使用隐马尔可夫模型（HMM）分析顺序数据。

隐马尔可夫模型(HMM)

HMM是一个随机模型，建立在马尔可夫链概念基础上，该假设未来统计数据的概率仅取决于当前过程状态，而不依赖于之前的任何状态。例如，在掷硬币时，我们不能说第五次抛掷的结果将是正面。这是因为硬币没有记忆，下一个结果不依赖于之前的结果。

数学上，HMM由以下变量组成：

状态(S)

它是HMM中存在的一组隐藏或潜在状态，由S表示。

输出符号(O)

它是HMM中存在的一组可能的输出符号，由O表示。

状态转换概率矩阵(A)

它是从一个状态转换到另一个状态的概率，由A表示。

观察发射概率矩阵(B)

它是在特定状态下发射/观察符号的概率，用B表示。

先验概率矩阵(Π)

它是从系统的各种状态开始于特定状态的概率，由Π表示。

因此，HMM可以定义为λ=(S，O，A，B，π)，

其中，

S = {s1，s2，...，sN}是一组N个可能的状态，

O = {o1，o2，...，oM}是一组M个可能的观察符号，

A是N

以上就是Python与AI分析时间序列数据的详细内容，更多关于Python AI分析时间序列的资料请关注本站其它相关文章！