python 笔记：tslearn （数据部分）

Posted 2022-02-11 UQI-LIUWJ

        tslearn 是一个 Python 包，提供用于分析时间序列的机器学习工具。 这个包建立在（因此依赖于）scikit-learn、numpy 和 scipy 库之上。

1 时间序列数据格式

使用to_time_series函数来生成时间序列数据

from tslearn.utils import to_time_series

time_series_lst=[1,3,5,7,9]

time_series_tslearn=to_time_series(time_series_lst)

print(time_series_tslearn,'\\n',type(time_series_tslearn),'\\n',time_series_tslearn.shape)
'''
[[1.]
 [3.]
 [5.]
 [7.]
 [9.]] 

 <class 'numpy.ndarray'>
 
 (5, 1)
'''

        可以看出来，在 tslearn 中，时间序列数据只是一个二维 numpy 数组：其第一维对应于时间轴，第二维是特征维数（上述例子中为 1）。

1.1 多个时间序列

        如果我们想操作时间序列集，我们可以使用 to_time_series_dataset 将它们转换为三维数组。

        如果集合中的时间序列大小不相等，则将 NaN 值附加到较短的值，结果数组的形状为 (n_ts, max_sz, d)，其中 max_sz 是集合中时间序列的最大大小。

from tslearn.utils import to_time_series_dataset

time_series_lst_1=[1,3,5,7,9]
time_series_lst_2=[2,4,6,8]

time_series_tslearn=to_time_series_dataset([time_series_lst_1,
                                            time_series_lst_2])

time_series_tslearn,time_series_tslearn.shape,type(time_series_tslearn)
'''
(array([[[ 1.],
         [ 3.],
         [ 5.],
         [ 7.],
         [ 9.]],
 
        [[ 2.],
         [ 4.],
         [ 6.],
         [ 8.],
         [nan]]]),

 (2, 5, 1),

 numpy.ndarray)
'''

2 标准时间序列数据（后补）

2.1 UCR_UEA 数据

时间序列分类数据集 Time Series Classification Website

class tslearn.datasets.UCR_UEA_datasets()

tslearn.datasets.UCR_UEA_datasets — tslearn 0.5.2 documentation

2.2 CachedDataset

tslearn.datasets.CachedDatasets — tslearn 0.5.2 documentation

3 从文本文件中导入时间序列数据

如果要从文本文件中导入其他时间序列，预期格式为：

• 每条线代表一个时间序列（数据集中的时间序列不强制长度相同）；
• 在每一行中，模态由 '|' 字符分隔。 （如果您的数据中只有一种模态，则不用）；
• 在每种模态中，观测值由空格字符分隔。

        这是一个存储两个维度为 2 的时间序列的文件的示例（第一个时间序列的长度为 3，第二个时间序列的长度为 2）。

1.0 0.0 2.5|3.0 2.0 1.0
1.0 2.0|4.333 2.12

        这个表示的含义是：一共有两个时间序列（每一行是一个时间序列）

        其中，第一个时间序列第一维的 单变量时间序列为'1.0 0.0 2.5' ；第二维的 单变量时间序列为 '3.0 2.0 1.0'

        第二个时间序列第一维的单变量时间序列为'1.0 2.0'； 第二维的单变量时间序列为'4.333 2.12'

         读取出来的效果是：

from tslearn.utils import save_time_series_txt, load_time_series_txt

time_series_read=load_time_series_txt('ts_time_series.txt')
time_series_read
'''
array([[[1.   , 3.   ],
        [0.   , 2.   ],
        [2.5  , 1.   ]],

       [[1.   , 4.333],
        [2.   , 2.12 ],
        [  nan,   nan]]])
'''

4 使用数据进行training

        根据 tslearn 标准加载和格式化数据后，下一步就是为机器学习模型提供数据。

        大多数 tslearn 模型都继承自 scikit-learn 基类，因此与它们的交互与与 scikit-learn 模型的交互非常相似。

        

from tslearn.clustering import TimeSeriesKMeans
km = TimeSeriesKMeans(n_clusters=3, metric="dtw")
#表示kmeans使用3作为类别数量来进行聚类，距离函数为dtw
km.fit(time_series_read)