时间序列分类答案

【问题标题】：Time Series Classification时间序列分类
【发布时间】：2018-01-16 09:15:23
【问题描述】：

您可以通过此链接https://drive.google.com/file/d/0B9Hd-26lI95ZeVU5cDY0ZU5MTWs/view?usp=sharing访问数据集

我的任务是预测行业基金的价格走势。涨多少或跌多少并不重要，我只想知道它是涨还是跌。所以我把它定义为一个分类问题。

由于这个数据集是时间序列数据，我遇到了很多问题。我已经阅读了有关这些问题的文章，例如我不能使用 k 折交叉验证，因为这是时间序列数据。你不能忽略数据的顺序。

我的代码如下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import datetime
from sklearn.linear_model import LinearRegression
from math import sqrt
from sklearn.svm import LinearSVC
from sklearn.svm import SVCenter code here

lag1 = pd.read_csv(#local file path, parse_dates=['Date']) 

#Trend : if price going up: ture, otherwise false
lag1['Trend'] = lag1.XLF > lag1.XLF.shift()
train_size = round(len(lag1)*0.50)
train = lag1[0:train_size]
test = lag1[train_size:]

variable_to_use=    ['rGDP','interest_rate','private_auto_insurance','M2_money_supply','VXX']
y_train = train['Trend']
X_train = train[variable_to_use]
y_test = test['Trend']
X_test = test[variable_to_use]

#SVM  Lag1

this_C = 1.0
clf = SVC(kernel = 'linear', C=this_C).fit(X_train, y_train)
print('XLF Lag1 dataset')
print('Accuracy of Linear SVC classifier on training set: {:.2f}'
 .format(clf.score(X_train, y_train)))
print('Accuracy of Linear SVC classifier on test set: {:.2f}'
 .format(clf.score(X_test, y_test)))

#Check prediction results
clf.predict(X_test)

首先，我的方法是不是就在这里：先生成真假列？如果我只是将这个专栏提供给它，我恐怕机器无法理解这个专栏。我应该先执行回归然后比较数值结果以生成上升或下降列表吗？

训练集的准确率非常低，为：0.58 我用 clf.predict(X_test) 得到一个所有为真的数组，我不知道为什么我会得到所有真。

而且我不知道结果的准确率是用哪种方式计算的：比如我认为我现在的准确率只计算真假的数量而忽略了它们的顺序？由于这是时间序列数据，因此忽略顺序是不对的，并且无法提供有关预测价格变动的信息。假设我在测试集中有 40 个示例，我得到了 20 个 Tures，我将获得 50% 的准确率。但我猜真实情况并不正确，因为它出现在基本事实集中。（如果我错了请告诉我）

我也在考虑用 Gradient Boosted Tree 来做分类，会不会更好？

【问题讨论】：

标签： python machine-learning time-series classification

【解决方案1】：

对这些数据进行一些预处理可能会有所帮助。第一步可能是这样的：

df = pd.read_csv('YOURLOCALFILEPATH',header=0)
#more code than your method but labels rows as 0 or 1 and easy to output to new file for later reference
df['Date'] = pd.to_datetime(df['date'], unit='d')
df = df.set_index('Date')
df['compare'] = df['XLF'].shift(-1)
df['Label'] np.where(df['XLF']>df['compare'), 1, 0)
df.drop('compare', axis=1, inplace=True)

第二步可以使用 sklearn 的 built in scalers, such as the MinMax scaler 之一，通过缩放特征输入来预处理数据，然后再将其输入模型。

【讨论】：