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
预测，它的目标是预测时间序列的未来值。
时间序列分类，其中给定实例的时间序列数据用于预测分类目标类别。
时间序列回归，其中给定实例的时间序列数据用于预测连续目标值。
时间序列聚类，它的目标是发现由具有相似时间序列的实例组成的组。
时间序列标注，它专注于异常值检测、变化点检测和分割。
时间序列相似性搜索，它的目标是评估时间序列与其他时间序列集合之间的相似性
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！