如何使用XGBoost和InluxDB進行時間序列預測

XGBoost是一個受歡迎的開源機器學習函式庫，可用於解決各種預測問題。人們需要了解如何使用它與InfluxDB進行時間序列預測。

譯者 | 李睿

審校 | 孫淑娟

XGBoost是一個開源的機器學習庫，它實現了優化的分散式梯度增強演算法。 XGBoost使用平行處理實現快速效能，很好地處理缺失值，在小型資料集上執行良好，並防止過度擬合。所有這些優點使XGBoost成為回歸問題(例如預測)的一種流行解決方案。

預測是各種業務目標的關鍵任務，例如預測分析、預測維護、產品規劃、預算等。許多預測或預測問題都涉及時間序列資料。這使得XGBoost成為開源時間序列資料庫InfluxDB的出色夥伴。

本教學將學習如何使用XGBoost的Python套件預測來自InfluxDB時間序列資料庫的資料。也將使用InfluxDB Python客戶端函式庫從InfluxDB查詢數據，並將資料轉換為Pandas DataFrame，以便更容易使用時間序列數據，然後再做預測。此外，也將更詳細地討論XGBoost的優點。

一、要求

本教學是在透過Homebrew安裝Python 3的macOS系統上執行的。建議設定額外的工具，如virtualenv、pyenv或conda-env，以簡化Python和客戶端安裝。否則，其全部要求如下：

• influxdb-client=1.30.0
• pandas = 1.4.3
• xgboost>=1.7.3
• influxdb-client>=1.30.0
• pandas>=1.4.3
• matplotlib>=3.5.2
• sklearn>=1.1.1

#本教學也假設有一個免費的層InfluxDB雲端帳戶，並且已經建立了一個儲存桶和一個令牌，可以將儲存桶視為資料庫或InfluxDB中資料組織的最高層次結構。在本教程中，將建立一個名為NOAA的儲存桶。

二、決策樹、隨機森林和梯度增強

為了理解XGBoost是什麼，必須理解決策樹、隨機森林和梯度增強。決策樹是一種有監督的學習方法，由一系列特徵測試組成。每個節點都是一個測試，所有節點都被組織在一個流程圖結構中。分支表示最終決定將哪個葉標籤或類別標籤分配給輸入資料的條件。

機器學習中的決策樹用於確定明天是否會下雨。經過編輯以顯示決策樹的元件：葉、分支和節點。

決策樹、隨機森林和梯度增強背後的指導原則是，多個「弱學習者」或分類器共同做出強大的預測。

隨機森林包含多個決策樹。決策樹中的每個節點被認為是弱學習者，隨機森林中的每個決策樹被認為是隨機森林模型中許多弱學習者中的一個。通常情況下，所有的資料都被隨機劃分為子集，並透過不同的決策樹進行傳遞。

使用決策樹和隨機森林的梯度增強是相似的，但它們的結構方式不同。梯度增強樹也包含決策樹森林，但這些決策樹是額外建構的，所有資料都經過決策樹集合。梯度增強樹可能包含一組分類樹或迴歸樹，分類樹用於離散值(例如貓或狗)。迴歸樹用於連續值(例如0到100)。

三、什麼是XGBoost?  

#梯度增強是一種用於分類和預測的機器學習演算法。 XGBoost只是一個極端類型的梯度增強。它的極端之處在於，可以透過並行處理的能力更有效地執行梯度增強。 XGBoost文件中的下圖說明如何使用梯度增強來預測某人是否會喜歡一款電子遊戲。

採用兩棵決策樹被用來決定某人是否可能喜歡一款電子遊戲。將兩棵樹的葉子分數相加，以確定哪一個人最有可能喜歡這款電子遊戲。

XGBoost的一些優點：

• 相對容易理解。
• 適用於具有很少特徵的小型、結構化和規則資料。

XGBoost的一些缺點：

• 易於過度擬合，對異常值敏感。在XGBoost中使用時間序列資料的物化視圖進行預測可能是一個好主意。
• 在稀疏或無監督資料上表現不佳。

四、使用XGBoost進行時間序列預測

在這裡使用的是空氣感測器樣本資料集，它是由InfluxDB提供的。此資料集包含來自多個感測器的溫度資料。正在為單一感測器建立溫度預測，其資料是這樣的：

使用以下Flux程式碼導入單一時間序列的資料集和篩選器。 (Flux是InfluxDB的查詢語言)

import "join"

import "influxdata/influxdb/sample"

//dataset is regular time series at 10 second intervals

data = sample.data(set: "airSensor")

|> filter(fn: (r) => r._field == "temperature" and r.sensor_id == "TLM0100")

隨機森林和梯度增強可以用於時間序列預測，但它們需要將資料轉換為監督學習。這意味著必須以滑動視窗方法或緩慢移動方法將資料向前移動，以將時間序列資料轉換為監督學習集，也可以用Flux準備資料。在理想情況下，應該先執行一些自相關分析，以確定要使用的最佳方法。為簡潔起見，將使用以下Flux代碼以常規時間間隔移動資料。

import "join"

import "influxdata/influxdb/sample"

data = sample.data(set: "airSensor")

|> ; filter(fn: (r) => r._field == "temperature" and r.sensor_id == "TLM0100")

shiftedData = data

|> timeShift(durationration : 10s , columns: ["_time"] )

join.time(left: data, right: shiftedData, as: (l, r) => ({l with data: l._value, shiftedData : r._value}))

|> drop(columns: ["_measurement", "_time", "_value", "sensor_id", "_field"])

#左右滑動查看完整程式碼

如果想在模型輸入中新增額外的滯後數據，可以改為遵循以下Flux邏輯。

import "experimental"

import "influxdata/influxdb/sample"

data = sample.data(set: "airSensor")

|> ; filter(fn: (r) => r._field == "temperature" and r.sensor_id == "TLM0100")



shiftedData1 = data

# |> timeShift(duration: 10s , columns: ["_time"] )

|> set(key: "shift" , value: "1" )



#shiftedData2 = data

|> timeShift(duration: 20s , columns: ["_time"] )

|> set(key: "shift" , 值: "2" )



shiftedData3 = data

|> timeShift(duration: 30s , columns: ["_time"] )

|> set( key: "shift" , value: "3")



shiftedData4 = data

|> timeShift(duration: 40s , columns: ["_time"] )

|> set(key: "shift" , value: "4")



union(tables: [shiftedData1, shiftedData2, shiftedData3, shiftedData4])

|> pivot(rowKey:["_time"], columnKey: ["shift"], valueColumn: "_value")

|> drop(columns: ["_measurement", "_time", "_value", "sensor_id", "_field"])

// remove the NaN values

|> limit(n:360)

# |> tail(n: 356)

此外，我們必須使用向前驗證來訓練演算法。這涉及到將資料集分為測試集和訓練集。接著利用XGB Regressor對XGBoost模型進行訓練，並以擬合方法進行預測。最後，我們使用平均絕對誤差 (MAE)來確定預測的準確性。對於10秒的延遲，計算出的平均絕對誤差 (MAE)為0.035。我們可以把這理解為96.5%的預測是非常正確的。下圖展示了我們從XGBoost得到的預測結果與從訓練/測試分割得到的期望值之間的對比。

以下是完整的腳本。這段程式碼主要是從這裡的教學中引入的。

import pandas as pd

from numpy import asarray

from sklearn.metrics import Mean_absolute_error

from xgboost import XGBRegressor
yp#pimfrom plotplot

from influxdb_client import InfluxDBClient

from influxdb_client.client.write_api import SYNCHRONOUS



## 使用Python InfluxDB 客戶端程式庫資料並將資料轉換為查詢資料並將資料轉換為查詢資料並將資料查詢受監督的資料Flux的學習問題

client = InfluxDBClient(url="https://us-west-2-1.aws.cloud2.influxdata.com", token="NyP-HzFGkObUBI4Wwg6Rbd-_SdrTMtZzbFK921VbUBIWwg6Rbd-_SdrTMtZzbFK921Vk -6i0ev32_XWZcmkDPsearTWA== ", org="0437f6d51b579000")



write_api = client.write_api(write_optinotallow=SYNCHRONOUS))_api = client.write_api(write_optinotallow=SYNCHRONOUS))#n;
df = query_api.query_data_frame('import "join"'

'import "influxdata/influxdb/sample"'

'data = Sample.data(set: "airSensor") '

'|> filter(fn: (r) => r._field == "溫度" and r.sensor_id == "TLM0100")'
##'shiftedData = data'

'|> timeShift(duration: 10s , columns: ["_time"] )'

'join.time(左：數據，右：shiftedData，as: (l, r) = > ({l 帶資料：l._value，移位資料：r._value}))'

'|> drop(列: ["_measurement", "_time", "_value", "sensor_id", "_field"])'

'|> yield(name: "轉換為監督學習資料集")'

)

df = df.drop(columns=['table', 'result'])

# data = df.to_numpy()



# 將單變量資料集拆分為訓練/測試集

def train_test_split(data, n_test):

return data[:-n_test:], data[-n_test:]



擬合xgboost 模型並進行一步預測

def xgboost_forecast(train, testX ) :

# 將列表轉換為陣列

train = asarray(train)

# 分成輸入列與輸出列

trainX, trainy = train[: , :-1], train[:, -1]

# 擬合模型

model = XGBRegressor(objective='reg:squarederror', n_estimators=1000)

model.fit(trainX, trainy)

# 進行一步預測

yhat = model.predict(asarray([testX]))

return yhat[ 0 ]



單變數資料的前向驗證

def walk_forward_validation(data, n_test):

Predictions = list()

# split dataset

train, test = train_test_split(data, n_test)

History = [x for x in train]

# 遍歷每個時間步驟測試集

for i in range(len(test)):

## 將測試行拆分為輸入列與輸出列

testX, testy = test[i, : -1], test[i, -1]

根據歷史擬合模型並進行預測

yhat = xgboost_forecast(history, testX)


將預測儲存在預測清單

predictions.append(yhat)

## 將實際觀察值加入到下一個迴圈的歷史記錄中

history.append(test[i ])

#總結進度

print('>expected=%.1f, Predicted=%.1f' % (testy, yhat))

# # 估計預測誤差

error = Mean_absolute_error(測試[:, -1], 預測)

傳回錯誤, 測試[:, -1], 預測




評估

mae, y, yhat = walk_forward_validation(data, 100)

print('MAE: %.3f' % mae)



## 繪製預期與預測

pyplot.plot(y, label='預期')

pyplot.plot(yhat, label='預測')

#pyplot .legend()
##pyplot.show()


#五、結論
希望這篇文章能激勵人們利用XGBoost和InfluxDB進行預測。為此建議查看相關的報告，其中包括如何使用論文描述的許多演算法和InfluxDB 來進行預測和執行異常檢測的範例。

原文連結：https://www.infoworld.com/article/3682070/time -series-forecasting-with- xgboost-and-influxdb.html

以上是如何使用XGBoost和InluxDB進行時間序列預測的詳細內容。更多資訊請關注PHP中文網其他相關文章！