6.1 时间序列分类问题

本节将直接进入实战，以原始的脑电图时间序列数据为例，演示如何使用机器学习模型进行时间序列分类。 该脑电图数据集共有5个类别， - 睁眼和闭眼的健康人脑电图记录 - 癫痫患者在无癫痫发作期间的两个非癫痫相关区域脑电图记录 - 癫痫发作期间脑电图的颅内记录 本节将根据原始时间序列构造特征，再进行机器学习预测脑电图的分类。

import matplotlib.pyplot as plt 
from tsfresh import extract_features
import pandas as pd
import numpy as np
from sklearn.model_selection
import train_test_split from sklearn.ensemble
import RandomForestClassifier
import xgboost as xgb

eeg = pd.read_csv('data\eeg.csv')
eeg.head()

	id	times	measurements	classes
0	0	0.000000	40.0	Z
1	0	0.005762	48.0	Z
2	0	0.011523	35.0	Z
3	0	0.017285	5.0	Z
4	0	0.023047	-40.0	Z

# 观察不同类别的时间序列特征，为后面构造特征做准备
plt.subplot(3, 1, 1)
plt.plot(eeg[eeg.id==0]['times'], eeg[eeg.id==0]['measurements'])
plt.legend(eeg.loc[0,'classes'])
plt.subplot(3, 1, 2)
plt.plot(eeg[eeg.id==300]['times'],eeg[eeg.id==300]['measurements'])
plt.legend(eeg.loc[300*4097,'classes'])
plt.subplot(3, 1, 3)
plt.plot(eeg[eeg.id==450]['times'],eeg[eeg.id==450]['measurements'])
plt.legend(eeg.loc[450*4097,'classes'])
plt.tight_layout()

将时间序列以可视化的形式画出可以为我们构造特征提供些许指导。 例如，从图表中发现，Z 类和 G 类的数据比 S 类曲折更少。此外，每个类都有相当不同的值域范围，数据点的分布似乎也有所不同。

# 抽取特征，根据观察可视化人工选择了6个特征
fc_parameters = {
    "skewness": None,
    "ratio_beyond_r_sigma": [{"r": 1}],
    "maximum":None,
    "minimum":None,
    "mean_abs_change":None,
    "longest_strike_above_mean":None
}
data = extract_features(eeg, column_id = "id",column_sort = "times",column_value="measurements",chunksize=20, default_fc_parameters=fc_parameters) 
# chunksize设置一个较小的值是为了防止电脑内存不足

data.index.names=['id']
data.reset_index()
data = data.merge(eeg[['id','classes']].drop_duplicates(), on='id',how='inner')

本节将使用两种经典集成学习方法，随机森林和xgboost

# 训练机器学习模型
X_train, X_test, y_train, y_test = train_test_split(data.drop(['id', 'classes'], axis=1), data["classes"])
rf_clf = RandomForestClassifier()
rf_clf.fit(X_train, y_train)

# 模型评估
rf_clf.score(X_test, y_test)

使用默认参数随机森林算法的准确率是0.74

# 使用XGBOOST模型
xgb_clf = xgb.XGBClassifier()
xgb_clf.fit(X_train, y_train)
xgb_clf.score(X_test, y_test)

使用默认参数随机森林算法的准确率是0.72

通过上述流程，我们演示了如何在时间序列数据上使用基于机器学习的算法，这只是一个最基本的例子，如果想获得更为准备的模型，可以从特征构造和模型调参等角度进行进一步优化。