有什么方法可以在 python 中使用 scikit-learn 预测每月的时间序列？

3回答

桃花长相依

概述通过使用Scikit-Learn库，可以考虑使用不同的决策树来预测数据。在此示例中，我们将使用AdaBoostRegressor，但也可以切换到RandomForestRegressor或任何其他可用的树。因此，通过选择树，我们应该意识到去除数据的趋势，通过这种方式，我们说明了通过分别对数据进行差分和对数变换来控制时间序列的均值和方差的示例。准备数据时间序列有两个基本组成部分，即均值和方差。理想情况下，我们希望控制这些组件，对于可变性，我们可以简单地对数据应用对数变换，对于趋势我们可以区分它，我们稍后会看到。此外，对于这种方法，我们考虑实际值 y_t 可以用两个先验值 y_t-1 和 y_t-2 来解释。您可以通过修改函数的输入来处理这些滞后值range。# Load datatsdf = pd.read_csv('tsdf.csv', sep="\t")# For simplicity I just take the target variable and the datetsdf = tsdf[['sales_index', 'dates']]# Log valuetsdf['log_sales_index'] = np.log(tsdf.sales_index)# Add previous n-valuesfor i in range(3): tsdf[f'sales_index_lag_{i+1}'] = tsdf.sales_index.shift(i+1) # For simplicity we drop the null values tsdf.dropna(inplace=True) tsdf[f'log_sales_index_lag_{i+1}'] = np.log(tsdf[f'sales_index_lag_{i+1}']) tsdf[f'log_difference_{i+1}'] = tsdf.log_sales_index - tsdf[f'log_sales_index_lag_{i+1}']一旦我们的数据准备就绪，我们就会得到类似于下图的结果。数据是固定的吗？为了控制时间序列的平均分量，我们应该对数据进行一些差分。为了确定是否需要执行此步骤，我们可以执行单位根测试。为简单起见，我们将考虑 KPSS 检验，我们假设数据是平稳的零假设，特别是，它假设围绕均值或线性趋势平稳。from arch.unitroot import KPSS# Test for stationarykpss_test = KPSS(tsdf.sales_index)# Test summary print(kpss_test.summary().as_text())我们看到P-value = .280大于通常的约定0.05。因此，我们需要对数据应用一阶差分。作为旁注，可以迭代地执行此测试以了解应将多少差异应用于数据。在下图中，我们看到了原始数据与对数一阶差分的比较，注意时间序列的这些最后值突然发生变化，这似乎是结构性变化，但我们不会深入潜入其中。如果您想深入了解这个主题，布鲁斯·汉森 (Bruce Hansen) 提供的这些幻灯片很有用。plt.figure(figsize=(12, 6)) plt.subplot(1,2,1) plt.plot(tsdf.sales_index) plt.title('Original Time Series') plt.subplot(1,2,2) plt.plot(tsdf.log_difference_1) plt.title('Log first difference Time Series')决策树模型正如我们之前所说，我们正在考虑决策树模型，在使用它们时应该注意从时间序列中删除趋势。例如，如果你有上升趋势，tress 不擅长预测下降趋势。在下面的代码示例中，我选择了AdaBoostRegressor，但您可以自由选择其他树模型。另外，注意被 log_difference_1认为是由log_difference_2和解释的log_difference_3。注意。您的数据集还有其他协变量或aus_avg_rain，slg_adt_ctl因此考虑将它们用于预测，您也可以对它们应用滞后值。from sklearn.model_selection import train_test_splitfrom sklearn.ensemble import AdaBoostRegressor# Forecast difference of log valuesX, Y = tsdf[['log_difference_2', 'log_difference_3']], tsdf['log_difference_1']# Split in train-testX_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2, shuffle=False, random_state=0)# Initialize the estimatormdl_adaboost = AdaBoostRegressor(n_estimators=500, learning_rate=0.05)# Fit the datamdl_adaboost.fit(X_train, Y_train)# Make predictionspred = mdl_adaboost.predict(X_test)test_size = X_test.shape[0]评估预测test_size = X_test.shape[0]plt.plot(list(range(test_size)), np.exp(tsdf.tail(test_size).log_sales_index_lag_1 + pred), label='predicted', color='red')plt.plot(list(range(test_size)), tsdf.tail(test_size).sales_index, label='real', color='blue')plt.legend(loc='best')plt.title('Predicted vs Real with log difference values')决策树模型似乎准确地预测了真实值。我将使用TimeSeriesSplitfrom 函数scikit-learn通过平均绝对误差来评估模型的误差。from sklearn.model_selection import TimeSeriesSplitfrom sklearn.metrics import mean_absolute_errorX, Y = np.array(tsdf[['log_difference_2', 'log_difference_3']]), np.array(tsdf['log_difference_1'])# Initialize a TimeSeriesSplittertscv = TimeSeriesSplit(n_splits=5)# Retrieve log_sales_index and sales_index to unstransform datatsdf_log_sales_index = np.array(tsdf.copy().reset_index().log_sales_index_lag_1)tsdf_sales_index = np.array(tsdf.copy().reset_index().sales_index_lag_1)# Dict to store metric value at every iterationmetric_iter = {}for idx, val in enumerate(tscv.split(X)): train_i, test_i = val X_train, X_test = X[train_i], X[test_i] Y_train, Y_test = Y[train_i], Y[test_i] # Initialize the estimator mdl_adaboost = AdaBoostRegressor(n_estimators=500, learning_rate=0.05) # Fit the data mdl_adaboost.fit(X_train, Y_train) # Make predictions pred = mdl_adaboost.predict(X_test) # Unstransform predictions pred_untransform = [np.exp(val_test + val_pred) for val_test, val_pred in zip(tsdf_log_sales_index[test_i], pred)] # Real value real = tsdf_sales_index[test_i] # Store metric metric_iter[f'iter_{idx + 1}'] = mean_absolute_error(real, pred_untransform) 现在我们看到平均MAE误差非常低。print(f'Average MAE error: {np.mean(list(metric_iter.values()))}')>>> Average MAE error: 17.631090959806535

0 0

冉冉说

这有两个部分：一个有效的预测代码解决方案。几个话题的简单讨论解决方案我将建议一种略有不同且更抽象的方法：使用构建在 scikit-learn 之上的Darts 。它包括您期望的“列表”库（例如，pandas 和 NumPy），但也包括一些您需要对该领域有相当深入的了解才能考虑包含的库（例如，Torch、Prophet 和 Holidays）。此外，它已经包含了许多模型。重要说明：特定库是 u8darts，而不是飞镖。它们很相似——并且具有相似的依赖关系——但它们并不相同。使用它，您可以轻松地开发出具有相当不错结果的预测模型。例如，整个代码，包括合并重命名的列标题（以及删除未重命名的列和重复的行）只是几行。import pandas as pdimport matplotlib.pyplot as pltfrom darts import TimeSeriesfrom darts.models import ExponentialSmoothingdf = pd.read_csv("../data/tsdf.csv", sep="\t")df.drop(['Unnamed: 0', 'aus_slg_fmCatl'], axis=1, inplace = True)df.columns = ['Date', 'adult_cattle(head)','Bulls Bullocks & Steers(head)', 'Cows&Heifers(head)', 'Calves(head)', 'Beef(tonnes)', 'Veal(tonnes)','Adult cattle(kg/head)', 'Calves(kg/head)', 'aust-avg_rain','US/AUS_ExchangeRate', 'sales_index', 'retail_sales_index']df.drop_duplicates(subset=['Date'], inplace=True)series = TimeSeries.from_dataframe(df, 'Date', 'Beef(tonnes)').valuestrain, val = series.split_before(pd.Timestamp('2019-01-01'))model = ExponentialSmoothing()model.fit(train)prediction = model.predict(len(val))series.plot(label='actual')prediction.plot(label='forecast', lw=2)plt.legend()此外，他们的 repo 有一个带有额外模型和示例的笔记本结果讨论针对我们收到的评论中的讨论，我认为有几点需要说明。去除季节性如果您正在为预测模型拍摄，这是您很少想做的事情。如果你知道每年冬天家庭/办公室供暖的燃料价格都会上涨，但决定将其排除在外——你会被交易员活活吃掉，他们很乐意拿走你的钱。虚拟数据这里的诀窍是您不知道您的虚拟数据是否与真实数据看起来足够相似。然而，解决方案是一个不同的问题。“在 Python 中使用 R 库……”ARMA 和 ARIMA...不太可能产生丰硕的结果，部分原因是误差项假设误差是IID，但市场存在偏差。指数平滑效果很好，因为它替代了“但是当我针对 sales_index 运行它时……”sales_index 将由几个自变量组成。正如您所期望的那样，肉类生产（奇怪的是与降雨量呈负相关）和汇率。但是，您的模型中未包含其他国家/地区的生产数据（100% 纯有机、草料、“AAA”艾伯塔牛肉）、税收、国内牛肉生产、运输等。这就是您可能不想要的原因对抗既有宽客又有专业领域专业知识的专业交易员。最后，我要指出的是，时间上没有任何迹象表明这是正常的还是不正常的。从 2015 年到 2017 年，似乎出现了 1.5 年的上升，随后一直下降到 2019 年。这似乎在重复，但 2020 年的突然变化让人相信这是一种失常。但数据太小，很难判断任何有效性。在这种情况下，趋势线或通道会更好。

0 0

MYYA

在初始化模型和进行预测时，您可以ARMA使用可选参数向模型添加其他功能。exog例如，要添加一些您的功能：# initialize the modelmodel = ARMA(train['sales_index'],              exog=train[['slg_adt_ctl', 'slg_bbs', 'retail_sales_index']],             order=(2,0))model_fit = model.fit() # fit the model# make predictionspredictions = model_fit.predict(start=len(train),                                 end=len(train)+len(test)-1,                                 exog=test[['slg_adt_ctl', 'slg_bbs', 'retail_sales_index']],                                 dynamic=False)当我们制作预测图时，我们现在获得了一些额外的预测能力。

0 0