python时间序列合成数据使用ydata-synthetic包 - 时间序列GAN答案

【问题标题】：python time series synthetic data using ydata-synthetic package - Time series GANpython时间序列合成数据使用ydata-synthetic包 - 时间序列GAN
【发布时间】：2021-11-17 19:19:33
【问题描述】：

你好，我尝试为时间序列 GAN 使用合成包第一次我想输入整数然后输出也是数字但不是，输出数据是十进制数我使用 ydata-synthetic (https://github.com/ydataai/ydata-synthetic)

这是我制作数据的代码，请帮助我

#导入练习所需的库

from os import path
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

from ydata_synthetic.synthesizers import ModelParameters
from ydata_synthetic.preprocessing.timeseries import processed_stock
from ydata_synthetic.synthesizers.timeseries import TimeGAN
import torch


arr_data = np.random.randint(0,600000,(100,1))

#Specific to TimeGANs

#stock_data
seq_len=20
n_seq = 1  #number of columns


hidden_dim=24
gamma=1

noise_dim = 32
dim = 128
batch_size = len(arr_data) - seq_len

log_step = 100
learning_rate = 5e-4

gan_args = ModelParameters(batch_size=batch_size,
                           lr=learning_rate,
                           noise_dim=noise_dim,
                           layers_dim=dim)


lst_temp = []
for i in range(0,len(arr_data) - seq_len):
    _x = arr_data[i:i+20]
    lst_temp.append(_x)

tens_rand_data = torch.tensor(lst_temp)
lst_rand_data = tens_rand_data.numpy()

synth = TimeGAN(model_parameters=gan_args, hidden_dim=24, seq_len=seq_len, n_seq=n_seq, gamma=1)

synth.train(lst_rand_data, train_steps=10)
synth_data = synth.sample(len(lst_rand_data))
print(synth_data.shape)

cols = ['Car price']

for j, col in enumerate(cols):
    df = pd.DataFrame({'Real': lst_rand_data[-1][:, j],'Synthetic': synth_data[-1][:, j]})
    
df.plot(title = "Car price",secondary_y='Synthetic data', style=['-', '--'])

print(df)

enter image description here

【问题讨论】：

标签： python time-series generative-adversarial-network

【解决方案1】：

在适合 TimeGAN 之前，您的输入应使用 MinMaxScaler 进行处理，并且由于在其生成器的最后一层激活 sigmoid，您将始终收到介于 0 和 1 之间的十进制输出。

您可以通过 2 种方式更改代码：

将输入从整数更改为十进制范围 [0,1]。
```
arr_data = np.random.randint(0,600000,(100,1))
```
进入
```
arr_data = np.random.uniform(0,1,(100,1))
```
这样你的虚拟输入不需要缩放，因为它已经在 [0,1] 中。
使用 MinMaxScaler 缩放数据
```
from sklearn.preprocessing import MinMaxScaler

arr_data = np.random.randint(0,600000,(100,1))

scaler = MinMaxScaler(feature_range = (0,1))
scaled_data = scaler.fit_transform(arr_data)

...
```
请注意，使用 TimeGAN 时，您始终会收到来自 [0,1] 的十进制输出。现在，如果您想将合成数据反转为整数，请考虑使用inverse transform。

【讨论】：