【时间序列】——数据竞赛中的时间序列预测_ecg时序数据预测

系列文章目录

---

---

内容介绍

本文内容整理自“深度之眼”《数据竞赛中的时间序列预测》课程，详情请咨询文末微信

---

一、 时序预测介绍

1、基本概念

• 预测： 指提供一段时间内某变量y值的变化情况， 求未来一 段时间y的变化情况
• 时间序列： 指随时间变化的一组数据。
• 时间序列问题：
  • 时序预测， 回归问题， 对未来一个或多个时刻值进行预
    测
  • 时序分类， 对给定的时间序列进行分类， ECG/EEG
  • 时序异常检测/预测， 特殊的时序分类， 故障检测/预测
  • 寿命预测
    

2、应用场景

• 工业
  • 2020工业大数据竞赛水电站流量预测
  • 2021工业大数据竞赛风电场短期风况预测， 配件需求预测， 物料需求预测
  • 2022年山东省大数据竞赛电网母线负荷预测， 供热预测 • 2022年KDD CUP风力发电预测
• 金融量化
  • JPX Tokyo Stock Exchange Prediction
  • Ubiquant Market Prediction
  • Optiver Realized Volatility Prediction
  • Jane Street Market Prediction
• 其他
  • 农业， 2020讯飞开发者大赛温室温度预测
  • 医疗， 2021山东省大数据竞赛就诊人数预测
  • 销售， Kaggle M5沃尔玛销量预测（ 系列赛）

3、评价指标

• 平均平方误差， MSE（RMSE）
  • 异常值敏感
    $$\frac{1}{n}\sum _{i=1}^n{\left(y_i-{\hat{y}}_i\right)}^2$$
• 平均绝对误差， MAE
  $$\frac{1}{n}\sum _{i=1}^n\left|y_i-{\hat{y}}_i\right|$$
• 平均绝对百分比误差， MAPE
  • 相对误差， 用于各id值有量级差异， 流量预测
    $$\frac{100\%}{n}\sum _{i=1}^n\left|\frac{{\hat{y}}_i-y_i}{y_i}\right|$$
• 皮尔逊相关系数
  • 衡量变化趋势而非值本身
    $$\frac{{\sum }_{i=1}^n\left(X_i-\bar{X}\right)\left(Y_i-\bar{Y}\right)}{\sqrt{{\sum }_{i=1}^n{\left(X_i-\bar{X}\right)}^2}\sqrt{{\sum }_{i=1}^n{\left(Y_i-\bar{Y}\right)}^2}}$$

二、时间序列特性

1.时间序列分解

时间序列分解（ Time Series Decomposition）

• 加法模型， y(t) = S(t) + T(t) + R(t)
• 乘法模型， y(t) = S(t) * T(t) * R(t)

其中：

• 周期项S(t)， 本身的周期性变化
• 趋势项T(t)， 长期的趋势
• 残差项R(t)， 其他外界因素造成的扰动
  
  

为了更好的描述时间序列， 根据时间序列分解的三部分分别进行描述

• 如何去表征序列的周期性， 通常预测序列都有一定的周期性
• 如何表征或是消除趋势性（不平稳），趋势性会影响部分模型的预测能力
• 以及如何去表征外界因素， 一般通过对其他附加特征量进行分析

时间序列训练集验证集划分

• 为了避免信息泄露， 采用时序特有的TimeSeriesSplit
• 保证训练集与验证集时间不重合， 验证集时刻在训练集之后
  

三、时序预测方法

1、Arima

• Arima（Autoregressive Integrated Moving Average model），其中ar为自回归， ma为移动平均， 此外还有差分
  • 自回归p： 采用多少历史数据进行拟合
  • 差分d： d阶差分后序列变得平稳
  • 移动平均q： 采用多少时间的历史外界扰动
• pdq定阶： 手动定阶或pmdarima库autoarima自动定阶
• 改进版： 加上季节性的SARIMA， 再加上外部变量的SARIMAX

2、Facebook Prophet

• Fbprophet为Facebook开发的基于时序分解的预测模型
• 在时序分解的基础上， fbprophet还引入了节假日效应，手动拐点等， 可调参数相对多， 拟合性远强于arima Fbprophet
• 同时引入了置信区间
  

3、树模型

• “ 万金油模型” ， 决策树 => 随机森林 => GBDT => LigthGBM、 Xgboost及Catboost
• 输入输出样本构造
• 特征构造
  • 时刻特征
  • 滞后特征
  • 滑窗统计特征
  • 交叉特征
  • 结构化数据通用特征
    
• 时刻值特征： 比如年， 月， 日， 小时， 季度， 星期， 是否为节假日等（ 编码及变换） ；
• 滞后特征： 即历史时刻值如上一个时刻， 上两个时刻， 一小时前， 一天前等；
  
• 滑窗统计特征： 体现一段连续时间内变化特性， 均值， 中位数， 标准差， 最大值， 最小值， 分位数， 偏度等
• 交叉特征： 同比， 环比， 不同窗统计交叉
  
• 结构化数据通用的特征： 如根据类别交叉， 类别对连续值聚合统计， 类别特征编码
  
  树模型的外推能力十分有限， 这意味着预测得到的结果基本不会超出训练集目标值范围内， 也就是说， 对于有显著趋势性的时间序列， 树模型无法直接预测出后续持续的趋势性。 那么需要先去趋势， 使目标变平稳， 常用有两种方法， 其实都可以归结为目标变换：
  • 差分， 将目标值与一个固定值做差， 可以是一个周期前的同期值， 也可以是前一个周期内的均值、 中位数等， 需要根据不同问题进行尝试；
  • 首先用线性回归拟合趋势， 然后将目标值减去线性拟合得到的目标作为新的目标值， 类似于残差预测。
    

4、线性回归

• 线性回归， LinearRregression
• LR跟树模型十分相似， 都非常需要构造特征来增强模型的表达能力， 同时都为单目标输出模型
• LR外推能力较强， 可拟合趋势
• 使用LR时， 类别特征最好做onehot， 或者如果onehot维度太高可以考虑各种方式embedding（ 嵌入）
• 一些变种， 比如采用不同正则方式的岭回归与lasso回归

5、神经网络

• 基于LSTM/Transformer的魔改网络
• 模型结构设计
• 超参数调整
• 学习策略调整
• loss改进
  
  

总结

• 时序问题有其自身的特性， 根据时序特性对数据进行刻画
• 特别注意趋势性的消除
• 多种模型结合（ 树+NN）
• 可以尝试新模型， 但不要沉迷

优质时序链接资料分享
ARIMA ： https://zhuanlan.zhihu.com/p/60648709
FaceBook Prophet： https://zhuanlan.zhihu.com/p/52330017
时序特征构造： https://mp.weixin.qq.com/s/iDUFr11-YX6oa6bLXWK3iQ
时序预测讲解： https://mp.weixin.qq.com/s/tVXhzpWoR2h5A4KTXinoWA

加小享了解课程详情