【时间序列】使用 Auto-TS 自动化时间序列预测-技术圈

Auto-TS 是 AutoML 的一部分，它将自动化机器学习管道的一些组件。这自动化库有助于非专家训练基本的机器学习模型，而无需在该领域有太多知识。在本文中，小编和你一起学习如何使用 Auto-TS 库自动执行时间序列预测模型。

什么是自动 TS？

它是一个开源 Python 库，主要用于自动化时间序列预测。它将使用一行代码自动训练多个时间序列模型，这将帮助我们为我们的问题陈述选择最好的模型。

在 python 开源库 Auto-TS 中，auto-ts.Auto_TimeSeries() 使用训练数据调用的主要函数。然后我们可以选择想要的模型类型，例如 stats、ml 或FB prophet-based models （基于 FB 先知的模型）。我们还可以调整参数，这些参数将根据我们希望它基于的评分参数自动选择最佳模型。它将返回最佳模型和一个字典，其中包含提到的预测周期数的预测（默认值 = 2）。

Auto_timeseries 是用于时间序列数据的复杂模型构建实用程序。由于它自动化了复杂工作中涉及的许多任务，因此它假定了许多智能默认值。5.但是我们可以改变它们。Auto_Timeseries 将基于 Statsmodels ARIMA、Seasonal ARIMA 和 Scikit-Learn ML 快速构建预测模型。它将自动选择给出指定最佳分数的最佳模型。

Auto_TimeSeries 能够帮助我们使用 ARIMA、SARIMAX、VAR、可分解（趋势+季节性+残差）模型和集成机器学习模型等技术构建和选择多个时间序列模型。

Auto-TS 库的特点

它使用遗传规划优化找到最佳时间序列预测模型。
它训练普通模型、统计模型、机器学习模型和深度学习模型，具有所有可能的超参数配置和交叉验证。
它通过学习最佳 NaN 插补和异常值去除来执行数据转换以处理杂乱的数据。
选择用于模型选择的指标组合。

安装

pip install auto-ts  # 或
pip install git+git://github.com/AutoViML/Auto_TS

依赖包，如下依赖包需要提前安装

dask
scikit-learn
FB Prophet
statsmodels
pmdarima
XGBoost

导入库

from auto_ts import auto_timeseries

巨坑警告

根据上述安装步骤安装成功后，很大概率会出现这样的错误：

Running setup.py clean for fbprophet
Failed to build fbprophet
Installing collected packages: fbprophet
  Running setup.py install for fbprophet ... error
 ......
  from pystan import StanModel
ModuleNotFoundError: No module named 'pystan'

这个时候你会装pystan:pip install pystan 。安装完成后，还是会出现上述报错。如果你也出现了如上情况，不要慌，云朵君已经帮你踩过坑了。

参考解决方案：(Mac/anaconda)

1. 安装 Ephem：

conda install -c anaconda ephem

2. 安装 Pystan：

conda install -c conda-forge pystan

3. 安装 Fbprophet：

（这个会花费4小时+）

conda install -c conda-forge fbprophet

4. 最后安装：

pip install prophet
pip install fbprophet

5. 最后直到出现：

Successfully installed cmdstanpy-0.9.5 fbprophet-0.7.1 holidays-0.13

如果上述还不行，你先尝试重启anaconda，如果还不行，则需要先安装：

conda install gcc

再上述步骤走一遍。

上述过程可能要花费1天时间！！

最后尝试导入，成功！

from auto_ts import auto_timeseries

Imported auto_timeseries version:0.0.65. Call by using:
model = auto_timeseries(score_type='rmse', 
time_interval='M', 
non_seasonal_pdq=None, 
seasonality=False,        
seasonal_period=12, 
model_type=['best'], 
verbose=2, 
dask_xgboost_flag=0)
model.fit(traindata, 
ts_column,target)
model.predict(testdata, model='best')

auto_timeseries 中可用的参数

model = auto_timeseries(
score_type='rmse', 
time_interval='Month',
non_seasonal_pdq=None,
seasonity=False,
season_period=12,  
model_type=['Prophet'],verbose=2)

可以调整参数并分析模型性能的变化。有关参数的更多详细信息参考auto-ts文档^[1]。

使用的数据集

本文使用了从 Kaggle 下载的 2006 年 1 月至 2018 年 1 月的亚马逊股票价格^[2]数据集。该库仅提供训练时间序列预测模型。数据集应该有一个时间或日期格式列。

最初，使用时间/日期列加载时间序列数据集：

df = pd.read_csv(
    "Amazon_Stock_Price.csv", 
    usecols=['Date', 'Close'])
df['Date'] = pd.to_datetime(df['Date'])
df = df.sort_values('Date')

现在，将整个数据拆分为训练数据和测试数据：

train_df = df.iloc[:2800]
test_df = df.iloc[2800:]

现在，我们将可视化拆分训练测试：

train_df.Close.plot(
      figsize=(15,8), 
      title= 'AMZN Stock Price', fontsize=14, 
      label='Train')
test_df.Close.plot(
      figsize=(15,8), 
      title= 'AMZN Stock Price', fontsize=14, 
      label='Test')

现在，让我们初始化 Auto-TS 模型对象，并拟合训练数据：

model = auto_timeseries(
  forecast_period=219, 
  score_type='rmse', 
  time_interval='D', 
  model_type='best')
model.fit(traindata= train_df,
    ts_column="Date",
    target="Close")

现在让我们比较不同模型的准确率：

model.get_leaderboard()
model.plot_cv_scores()

得到如下结果：

Start of Fit.....

Target variable given as = Close

Start of loading of data.....

Inputs: ts_column = Date, sep = ,, target = ['Close']

Using given input: pandas dataframe...

Date column exists in given train data...

train data shape = (2800, 1)

Alert: Could not detect strf_time_format of Date. Provide strf_time format during "setup" for better results.

Running Augmented Dickey-Fuller test with paramters:

maxlag: 31 regression: c autolag: BIC

Data is stationary after one differencing

There is 1 differencing needed in this datasets for VAR model

No time series plot since verbose = 0. Continuing

Time Interval is given as D

Correct Time interval given as a valid Pandas date-range frequency...

WARNING: Running best models will take time... Be Patient...

==================================================

Building Prophet Model

==================================================

Running Facebook Prophet Model...

Starting Prophet Fit

No seasonality assumed since seasonality flag is set to False

Starting Prophet Cross Validation

Max. iterations using expanding window cross validation = 5

Fold Number: 1 --> Train Shape: 1705 Test Shape: 219

RMSE = 30.01

Std Deviation of actuals = 19.52

Normalized RMSE (as pct of std dev) = 154%

Cross Validation window: 1 completed

Fold Number: 2 --> Train Shape: 1924 Test Shape: 219

RMSE = 45.33

Std Deviation of actuals = 34.21

Normalized RMSE (as pct of std dev) = 132%

Cross Validation window: 2 completed

Fold Number: 3 --> Train Shape: 2143 Test Shape: 219

RMSE = 65.61

Std Deviation of actuals = 39.85

Normalized RMSE (as pct of std dev) = 165%

Cross Validation window: 3 completed

Fold Number: 4 --> Train Shape: 2362 Test Shape: 219

RMSE = 178.53

Std Deviation of actuals = 75.28

Normalized RMSE (as pct of std dev) = 237%

Cross Validation window: 4 completed

Fold Number: 5 --> Train Shape: 2581 Test Shape: 219

RMSE = 148.18

Std Deviation of actuals = 57.62

Normalized RMSE (as pct of std dev) = 257%

Cross Validation window: 5 completed

-------------------------------------------

Model Cross Validation Results:

-------------------------------------------

MAE (Mean Absolute Error = 85.20

MSE (Mean Squared Error = 12218.34

MAPE (Mean Absolute Percent Error) = 17%

RMSE (Root Mean Squared Error) = 110.5366

Normalized RMSE (MinMax) = 18%

Normalized RMSE (as Std Dev of Actuals)= 60%

Time Taken = 13 seconds

End of Prophet Fit

==================================================

Building Auto SARIMAX Model

==================================================

Running Auto SARIMAX Model...

Using smaller parameters for larger dataset with greater than 1000 samples

SARIMAX RMSE (all folds): 73.9230

SARIMAX Norm RMSE (all folds): 35%

-------------------------------------------

Model Cross Validation Results:

-------------------------------------------

MAE (Mean Absolute Error = 64.24

MSE (Mean Squared Error = 7962.95

MAPE (Mean Absolute Percent Error) = 12%

RMSE (Root Mean Squared Error) = 89.2354

Normalized RMSE (MinMax) = 14%

Normalized RMSE (as Std Dev of Actuals)= 48%

Using smaller parameters for larger dataset with greater than 1000 samples

Refitting data with previously found best parameters

Best aic metric = 18805.2

SARIMAX Results

==============================================================================

Dep. Variable: Close No. Observations: 2800

Model: SARIMAX(2, 2, 0) Log Likelihood -9397.587

Date: Mon, 28 Feb 2022 AIC 18805.174

Time: 19:45:31 BIC 18834.854

Sample: 0 HQIC 18815.888

- 2800

Covariance Type: opg

==============================================================================

coef std err z P>|z| [0.025 0.975]

------------------------------------------------------------------------------

intercept -0.0033 0.557 -0.006 0.995 -1.094 1.088

drift 3.618e-06 0.000 0.015 0.988 -0.000 0.000

ar.L1 -0.6405 0.008 -79.601 0.000 -0.656 -0.625

ar.L2 -0.2996 0.009 -32.618 0.000 -0.318 -0.282

sigma2 48.6323 0.456 106.589 0.000 47.738 49.527

===================================================================================

Ljung-Box (L1) (Q): 14.84 Jarque-Bera (JB): 28231.48

Prob(Q): 0.00 Prob(JB): 0.00

Heteroskedasticity (H): 19.43 Skew: 0.56

Prob(H) (two-sided): 0.00 Kurtosis: 18.53

===================================================================================

Warnings:

[1] Covariance matrix calculated using the outer product of gradients (complex-step).

===============================================

Skipping VAR Model since dataset is > 1000 rows and it will take too long

===============================================

==================================================

Building ML Model

==================================================

Creating 2 lagged variables for Machine Learning model...

You have set lag = 3 in auto_timeseries setup to feed prior targets. You cannot set lags > 10 ...

### Be careful setting dask_xgboost_flag to True since dask is unstable and doesn't work sometime's ###

########### Single-Label Regression Model Tuning and Training Started ####

Fitting ML model

11 variables used in training ML model = ['Close(t-1)', 'Date_hour', 'Date_minute', 'Date_dayofweek', 'Date_quarter', 'Date_month', 'Date_year', 'Date_dayofyear', 'Date_dayofmonth', 'Date_weekofyear', 'Date_weekend']

Running Cross Validation using XGBoost model..

Max. iterations using expanding window cross validation = 2

train fold shape (2519, 11), test fold shape = (280, 11)

### Number of booster rounds = 250 for XGBoost which can be set during setup ####

Hyper Param Tuning XGBoost with CPU parameters. This will take time. Please be patient...

Cross-validated Score = 31.896 in num rounds = 249

Time taken for Hyper Param tuning of XGBoost (in minutes) = 0.0

Top 10 features:

['Date_year', 'Close(t-1)', 'Date_quarter', 'Date_month', 'Date_weekofyear', 'Date_dayofyear', 'Date_dayofmonth', 'Date_dayofweek']

Time taken for training XGBoost on entire train data (in minutes) = 0.0

Returning the following:

Model =

Scaler = Pipeline(steps=[('columntransformer',

ColumnTransformer(transformers=[('simpleimputer',

SimpleImputer(),

['Close(t-1)', 'Date_hour',

'Date_minute',

'Date_dayofweek',

'Date_quarter', 'Date_month',

'Date_year',

'Date_dayofyear',

'Date_dayofmonth',

'Date_weekofyear',

'Date_weekend'])])),

('maxabsscaler', MaxAbsScaler())])

(3) sample predictions:[359.8374 356.59747 355.447 ]

XGBoost model tuning completed

Target = Close...CV results:

RMSE = 246.63

Std Deviation of actuals = 94.60

Normalized RMSE (as pct of std dev) = 261%

Fitting model on entire train set. Please be patient...

Time taken to train model (in seconds) = 0

Best Model is: auto_SARIMAX

Best Model (Mean CV) Score: 73.92

--------------------------------------------------

Total time taken: 52 seconds.

--------------------------------------------------

Leaderboard with best model on top of list:

name rmse

1 auto_SARIMAX 73.922971

0 Prophet 93.532440

2 ML 246.630613

现在我们在测试数据上测试我们的模型：

future_predictions = model.predict(testdata=219)
# 或 
model.predict(
    testdata=test_df.Close)

使用预测周期=219作为auto_SARIMAX模型的输入进行预测：

future_predictions

可视化看下future_predictions是什么样子：

最后，可视化测试数据值和预测：

pred_df = pd.concat(
    [test_df,future_predictions],
    axis=1)
ax.plot('Date','Close','b',
         data=pred_df,
         label='Test')
ax.plot('Date','yhat','r',
         data=pred_df,
         label='Predicitions')

auto_timeseries 中可用的参数：

model = auto_timeseries( 
    score_type='rmse',
    time_interval='Month',
    non_seasonal_pdq=None, 
    seasonity=False,  
    season_period=12,
    model_type=['Prophet'],
    verbose=2)

model.fit() 中可用的参数：

model.fit(traindata=train_data,
    ts_column=ts_column,
    target=target,
    cv=5, sep="," )

model.predict() 中可用的参数：

model = model.predict(testdata = '可以是数据框或代表预测周期的整数';  
                      model = 'best', '或代表训练模型的任何其他字符串')

可以使用所有这些参数并分析我们模型的性能，然后可以为我们的问题陈述选择最合适的模型。可以查看auto-ts文档^[3]详细检查所有这些参数。

写在最后

在本文中，讨论了如何在一行 Python 代码中自动化时间序列模型。Auto-TS 对数据进行预处理，因为它从数据中删除异常值并通过学习最佳 NaN 插补来处理混乱的数据。

通过初始化 Auto-TS 对象并拟合训练数据，它将自动训练多个时间序列模型，例如 ARIMA、SARIMAX、FB Prophet、VAR，并得出性能最佳的模型。模型的结果跟数据集的大小有一定的关系。如果我们尝试增加数据集的大小，结果应该会有所改善。

参考资料

[1]

auto-ts文档: https://pypi.org/project/auto-ts/

[2]

亚马逊股票价格: https://www.kaggle.com/szrlee/stock-time-series-20050101-to-20171231?select=AMZN_2006-01-01_to_2018-01-01.csv

[3]

auto-ts文档: https://pypi.org/project/auto-ts/


往期精彩回顾




适合初学者入门人工智能的路线及资料下载
(图文+视频)机器学习入门系列下载
中国大学慕课《机器学习》（黄海广主讲）
机器学习及深度学习笔记等资料打印
《统计学习方法》的代码复现专辑
AI基础下载
机器学习交流qq群955171419，加入微信群请扫码：