python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > python aeon时间序列算法

python aeon库进行时间序列算法预测分类实例探索

作者:程序员小寒

这篇文章主要介绍了python aeon库进行时间序列算法预测分类实例探索,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪

 python aeon时间序列算法

今天给大家分享一个神奇的 python 库,aeon

https://github.com/aeon-toolkit/aeon 

aeon 是一个与 scikit-learn 兼容的工具包,用于执行预测、分类和聚类等时间序列任务。它提供了广泛的时间序列算法,包括最新进展,并使用 numba 高效实现时间序列算法。

使用它可以执行以下任务

库的安装

可以直接使用 pip 进行安装。注意,需要 python 版本大于等于3.8

pip install aeon

如果你想安装包含所有可选依赖项的完整包,你可以使用

pip install aeon[all_extras]

预测

这里我们使用的是航空公司乘客数量数据集,并使用 numpy 来指定要预测范围,然后使用 NaiveForecaster 算法来拟合数据并进行预测。

from aeon.datasets import load_airline
from aeon.forecasting.base import ForecastingHorizon
from aeon.forecasting.naive import NaiveForecaster
from aeon.utils.plotting import plot_series
import numpy as np
# step 1: data specification
y = load_airline()

# step 2: specifying forecasting horizon
fh = np.arange(1, 37)

# step 3: specifying the forecasting algorithm
forecaster = NaiveForecaster(strategy="last", sp=12)

# step 4: fitting the forecaster
forecaster.fit(y)

# step 5: querying predictions
y_pred = forecaster.predict(fh)

# optional: plotting predictions and past data
plot_series(y, y_pred, labels=["y", "y_pred"])

分类

这里使用 KNeighborsTimeSeriesClassifier 算法来进行分类。

import numpy as np
from aeon.classification.distance_based import KNeighborsTimeSeriesClassifier

X = [[[1, 2, 3, 4, 5, 5]],  # 3D array example (univariate)
     [[1, 2, 3, 4, 4, 2]],  # Three samples, one channel, six series length,
     [[8, 7, 6, 5, 4, 4]]]
y = ['low', 'low', 'high']  # class labels for each sample
X = np.array(X)
y = np.array(y)

clf = KNeighborsTimeSeriesClassifier(distance="dtw")
clf.fit(X, y)  # fit the classifier on train data

X_test = np.array(
    [[[2, 2, 2, 2, 2, 2]], [[5, 5, 5, 5, 5, 5]], [[6, 6, 6, 6, 6, 6]]]
)
y_pred = clf.predict(X_test)  # make class predictions on new data

#array(['low', 'high', 'high'], dtype='<U4')

以上就是 python aeon库进行时间序列算法预测分类实例探索的详细内容,更多关于python aeon时间序列算法的资料请关注脚本之家其它相关文章!

您可能感兴趣的文章:
阅读全文