Python 時間序列分類完整介紹

時間序列資料在眾多行業中無所不在，然而，雖然時間序列預測受到相當多的關注，但時間序列分類卻經常被忽視。本文全面介紹了時間序列分類，探索其實際應用，回顧各種方法，並在基於 Python 的分類專案中示範其中一些技術。讓我們開始吧！

理解時間序列分類

時間序列分類是一種監督機器學習技術，其中隨著時間的推移測量的一個或多個特徵用於分配類別。 目標是標記時間序列而不是預測未來值。

時間序列分類的實際應用

時間序列分類有著廣泛的用途，特別是在感測器資料方面。 主要應用包括：

• 預測性維護：監控設備以預測潛在故障。
• 醫療保健：分析心電圖 (ECG) 數據以評估患者健康狀況。
• 語音辨識：根據聲波模式辨識口語單字和說話者。
• 食品光譜學：從光譜資料中確定酒精含量或識別食品成分。
• 網路安全：偵測顯示詐欺或違規的異常活動。

這些多樣化的應用凸顯了時間序列分類在各個領域的重要性。

時間序列分類模型概述

時間序列分類有多種方法。 本節對每個內容進行簡要概述，並在本專用指南中提供更詳細的解釋[連結到指南，如果有的話]。

1。基於距離的模型： 這些模型利用距離測量（例如歐幾里德距離）對樣本進行分類。動態時間規則 (DTW) 提供了一種更穩健的方法，可適應一系列不同的長度並處理稍微異相的模式。 例如 K 最近鄰 (KNN) 和 ShapeDTW。

2。基於字典的模型： 這些模型使用符號對系列模式進行編碼，並利用符號頻率進行分類。 範例包括 BOSS、WEASEL、TDE 和 MUSE。

3。整合方法： 這些不是模型本身，而是結合多個基本估計器以改善預測的框架。 一個關鍵優勢是它們能夠使用單變量模型（例如，bagging）處理多變量資料。 例如裝袋、加權整合和時間序列森林。

4。基於特徵的方法：這些方法從時間序列中提取特徵（例如，匯總統計、Catch22、矩陣配置、TSFresh），然後用於訓練分類器。

5。基於間隔的模型： 這些模型從時間序列中提取多個間隔，使用上述方法計算特徵，然後訓練分類器。範例包括 RISE、CIF 和 DrCIF。

6。基於內核的模型： 這些模型使用內核函數將時間序列映射到更高維度的空間，以便於分類。例如支援向量分類器 (SVC)、Rocket 和 Arsenal（Rocket 的集合）。

7。 Shapelet 分類器： 此分類器可辨識並利用 shapelet（判別性子序列）來根據距離比較進行分類。

8。元分類器： 這些結合了各種方法來實現穩健的分類性能。 HIVE-COTE 是一個例子，它結合了 TDE、Shapelet、DrCIF 和 Arsenal，儘管它的計算成本很高。

方法的選擇取決於資料特徵、計算資源和所需的準確性等因素。

實踐時間序列分類項目 (Python)

本節將上述一些技術應用於 BasicMotions 資料集 [資料集連結]，其中包括來自執行各種活動（站立、行走、跑步、羽球）的個人的加速度計和陀螺儀資料。

設定：

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

from sktime.datasets import load_basic_motions
from sklearn.model_selection import GridSearchCV, KFold

資料載入：

X_train, y_train = load_basic_motions(split='train', return_type='numpy3D')
X_test, y_test = load_basic_motions(split='test', return_type='numpy3D')

資料視覺化（比較步行和羽毛球的範例）：

# ... (Visualization code as provided in the original article) ...

KNN 分類：

# ... (KNN code as provided in the original article) ...

用黃鼠狼裝袋：

# ... (Bagging with WEASEL code as provided in the original article) ...

評價：

# ... (Evaluation code as provided in the original article) ...

結論

本文介紹了時間序列分類，涵蓋了其應用和各種方法。 實際專案示範了KNN和WEASEL裝袋的應用。 鼓勵對該領域的進一步探索。

後續步驟

要繼續學習，請考慮探索原始文章中提到的資源，包括時間序列分類方法指南和有關該主題的課程。

參考文獻

• BasicMotions 資料集 — [資料集連結]
• Sktime — [sktime 連結]

以上是Python 時間序列分類完整介紹的詳細內容。更多資訊請關注PHP中文網其他相關文章！