时间序列 - 朴素方法

简介

天真的方法，例如假设时间 't' 的预测值是时间 't-1' 的变量的实际值或系列的滚动平均值，用于衡量统计模型和机器学习模型的性能如何 并强调他们的需要。

在本章中，让我们在时间序列数据的一个特征上尝试这些模型。

首先，我们将看到我们数据的"温度"特征的平均值及其周围的偏差。 查看最高和最低温度值也很有用。 我们可以在这里使用 numpy 库的功能。

Showing statistics

In [135]:

import numpy
print (
   'Mean: ',numpy.mean(df['T']), '; 
   Standard Deviation: ',numpy.std(df['T']),'; 
   \nMaximum Temperature: ',max(df['T']),'; 
   Minimum Temperature: ',min(df['T'])
)

我们拥有跨等间隔时间线的所有 9357 次观测的统计数据，这对我们理解数据很有用。

现在我们将尝试第一种朴素的方法，将当前时间的预测值设置为前一次的实际值，并为其计算均方根误差（RMSE）来量化该方法的性能。

Showing 1^st naïve 方法

In [136]:

df['T']
df['T_t-1'] = df['T'].shift(1)

In [137]:

df_naive = df[['T','T_t-1']][1:]

In [138]:

from sklearn import metrics
from math import sqrt

true = df_naive['T']
prediction = df_naive['T_t-1']
error = sqrt(metrics.mean_squared_error(true,prediction))
print ('RMSE for Naive Method 1: ', error)

朴素方法 1 的 RMSE:12.901140576492974

让我们看看下一个简单的方法，其中当前时间的预测值等于它之前的时间段的平均值。 我们也将计算此方法的 RMSE。

Showing 2^nd naive 方法

In [139]:

df['T_rm'] = df['T'].rolling(3).mean().shift(1)
df_naive = df[['T','T_rm']].dropna()

In [140]:

true = df_naive['T']
prediction = df_naive['T_rm']
error = sqrt(metrics.mean_squared_error(true,prediction))
print ('RMSE for Naive Method 2: ', error)

朴素方法 2 的 RMSE:14.957633272839242

在这里，您可以尝试不同数量的先前时间段，也称为"滞后"，您要考虑，这里保持为 3。 在此数据中可以看出，随着滞后次数的增加和错误的增加。 如果 lag 保持为 1，则它与之前使用的 naïve 方法相同。

注意事项

• 您可以编写一个非常简单的函数来计算均方根误差。 在这里，我们使用了"sklearn"包中的均方误差函数，然后取其平方根。

• 在 pandas 中，df['column_name'] 也可以写成 df.column_name，但是对于这个数据集，df.T 与 df['T'] 的工作方式不同，因为 df.T 是转置数据帧的函数。 因此，仅使用 df['T'] 或考虑在使用其他语法之前重命名此列。