无法在 SVM 模型中使用日期时间数据

Posted 2023-03-12

【中文标题】无法在 SVM 模型中使用日期时间数据

【英文标题】：Unable to use Datetime data in SVM model

【发布时间】：2017-05-04 12:11:17

【问题描述】：

我有一个dataframe 来预测能耗。列。是Timestamp 和Daily KWH system。

在 SVM 模型中使用时，我得到Value error，如下所示： ValueError: Unknown label type: array([ 0. , 127.2264855 , 80.74373643, ..., 7.67569729, 3.32998307, 2.08538807])

数据集包含从 9 月到 12 月每半小时的能源消耗。 这是一个示例数据集

           Timestamp                 Daily_KWH_System
0        2016-09-07  19:47:07        148.978580
1        2016-09-07  19:47:07        104.084760
2        2016-09-07  19:47:07        111.850947
3        2016-09-07  19:47:07          8.421390
4        2016-12-15  02:48:07         13.778317
5        2016-12-15  02:48:07          0.637790

到目前为止，我已经完成了：

读取 CSV

 data = pd.read_csv('C:/Users/anagha/Documents/Python Scripts/Half_Ho.csv')

索引

 data['Timestamp'] = pd.to_datetime(data['Timestamp'])
 data.index = data['Timestamp']
 del data['Timestamp']
 data

绘制图表

 data.resample('D', how='mean').plot()

分为训练和测试

 from sklearn.utils import shuffle

 test  = shuffle(test)
 train = shuffle(train)

 trainData  = train.drop('Daily_KWH_System' , axis=1).values
 trainLabel = train.Daily_KWH_System.values

 testData  = test.drop('Daily_KWH_System' , axis=1).values
 testLabel = test.Daily_KWH_System.values

支持向量机模型

  from sklearn import svm
  model = svm.SVC(kernel='linear', gamma=1) 
  model.fit(trainData,trainLabel)
  model.score(trainData,trainLabel)

预测输出

   predicted= model.predict(testData)
   print(predicted)

【问题讨论】：

我认为您需要将日期时间分解为单独的日期元素，例如。月、工作日、小时等

那不会是时间序列问题吧？还有什么办法吗？

会的。也许可以通读一下：analyticsvidhya.com/blog/2016/06/…。这是一个时间序列竞赛，其中日期时间分解使用 XGBoost 而不是 SVM 表现得非常好。然而，我每天都在 SVR 上使用这种方法来处理所有类型的能源数据，并且效果很好。

【参考方案1】：

SVC 是支持向量分类。使用它会明确地对待你的标签。看起来您实际上是在尝试进行回归。 （注意您的错误，“未知标签类型”）。一个好的第一步是查看SVR。或者您可以将您的值绑定到类中，例如0-10、10-20等：

sklearn SVR

【讨论】：

我可以用来预测和检测异常的任何其他算法

如果您没有按照建议对它们进行分箱，您将需要一个无监督学习算法来在没有标签的情况下执行此操作。

@Anagha 有很多异常检测方法：en.wikipedia.org/wiki/Anomaly_detection 对你来说最简单的可能是 sklearn 的一类 SVM。 scikit-learn.org/stable/modules/outlier_detection.html

@josh OP 有目标（参见他们的代码，trainLabel），可以用作回归目标

@eqzx 完全同意您使用 SVR。 OP 确实表示他们希望使用 SVC 检测异常。在这种情况下，您必须使用异常标签定义异常。如果您没有这些，那么您需要像您发布的那样不受监督。