Time series

时间序列是我最喜欢研究的一种问题,这里我列一下时间序列最常用的方法,包括理论和实践两部分。理论部分大多是各路神仙原创的高赞解读,这里我就简单成呈现在这里,并附上链接。实践部分是质量较高的开源代码,方便大家快速上手。最后,附上一些 kaggle 比赛中比较经典的时序比赛的经典解法链接,供大家参考和学习。

时序问题都看成是回归问题,只是回归的方式(线性回归、树模型、深度学习等)有一定的区别。

1 传统时序建模,如 arma 模型或者 arima 模型

arima 模型是 arma 模型的升级版;arma 模型只能针对平稳数据进行建模,而 arima 模型需要先对数据进行差分,差分平稳后在进行建模。这两个模型能处理的问题还是比较简单,究其原因主要是以下两点:

  • arma/arima 模型归根到底还是简单的线性模型,能表征的问题复杂程度有限;
  • arma 全名是自回归滑动平均模型,它只能支持对单变量历史数据的回归,处理不了多变量的情况。

原理篇:

写给你的金融时间序列分析:基础篇:重点介绍基本的金融时间序列知识和 arma 模型

金融时间序列入门【完结篇】 ARCH、GARCH:介绍更为高阶的 arch 和 garch 模型

实践篇:

【时间序列分析】ARMA 预测 GDP 的 python 实现:arma 模型快速上手

https://machinelearningmastery.com/develop-arch-and-garch-models-for-time-series-forecasting-in-python/:arch、garch 模型快速建模

总结:如果是处理单变量的预测问题,传统时序模型可以发挥较大的优势;但是如果问题或者变量过多,那么传统时序模型就显得力不从心了。

2 机器学习模型方法,这类方法以 lightgbm、xgboost 为代表

这类方法一般就是把时序问题转换为监督学习,通过特征工程和机器学习方法去预测;这种模型可以解决绝大多数的复杂的时序预测模型。支持复杂的数据建模,支持多变量协同回归,支持非线性问题。

不过这种方法需要较为复杂的人工特征过程部分,特征工程需要一定的专业知识或者丰富的想象力。特征工程能力的高低往往决定了机器学习的上限,而机器学习方法只是尽可能的逼近这个上限。特征建立好之后,就可以直接套用树模型算法 lightgbm/xgboost,这两个模型是十分常见的快速成模方法,除此之外,他们还有以下特点:

  • 计算速度快,模型精度高;
  • 缺失值不需要处理,比较方便;
  • 支持 category 变量;
  • 支持特征交叉。

原理篇:

提升树模型:Lightgbm 原理深入探究:lightgbm 原理

xgboost 的原理没你想像的那么难:xgboost 原理

实践篇:

在 Python 中使用 Lightgbm:lightgbm 模型实践

史上最详细的 XGBoost 实战:xgboost 模型实践

总结:通过一系列特征工程后,直接使用机器学习方法,可以解决大多数的复杂时序问题;不过这方法最大的缺点是特征工程可能会较为繁琐。

3 深度学习模型方法,这类方法以 LSTM/GRU、seq2seq、wavenet、1D-CNN、transformer 为主

深度学习中的 LSTM/GRU 模型,就是专门为解决时间序列问题而设计的;但是 CNN 模型是本来解决图像问题的,但是经过演变和发展,也可以用来解决时间序列问题。总体来说,深度学习类模型主要有以下特点:

    • 不能包括缺失值,必须要填充缺失值,否则会报错;
  • 支持特征交叉,如二阶交叉,高阶交叉等;
  • 需要 embedding 层处理 category 变量,可以直接学习到离散特征的语义变量,并表征其相对关系;
  • 数据量小的时候,模型效果不如树方法;但是数据量巨大的时候,神经网络会有更好的表现;
  • 神经网络模型支持在线训练。

实际上,基于实际预测问题,可以设计出各式各样的深度学习模型架构。假如我们预测的时序问题(如预测心跳频率),不仅仅只和统计类的数据有关,还和文本(如医师意见)以及图像(如心电图)等数据有关 ,我们就可以把 MLP、CNN、bert 等冗杂在一起,建立更强力的模型。

img{loading=lazy}

https://www.kaggle.com/c/avito-demand-prediction/discussion/59880

理论篇:

[干货]深入浅出 LSTM 及其 Python 代码实现:LSTM 原理

Seq2Seq 原理详解 - 早起的小虫子 - 博客园: seq2seq 原理

Wavenet 原理与实现: wavenet 原理

CNN 卷积神经网络如何处理一维时间序列数据: 1D-CNN 处理时序数据

Transformer for TimeSeries 时序预测算法详解: transformer 时序预测

实践篇:

seq2seq 模型的 python 实现 - 基于 seq2seq 模型的自然语言处理应用: seq2seq 模型实现

https://machinelearningmastery.com/time-series-prediction-lstm-recurrent-neural-networks-python-keras/: LSTM 实践

Conv1d - WaveNet - Forecast Stock price: wavenet 模型预测股票价格

https://towardsdatascience.com/how-to-use-transformer-networks-to-build-a-forecasting-model-297f9270e630:transformer 时序预测数据

Keras documentation: Timeseries classification with a Transformer model: transformer 处理时序数据分类

https://www.kaggle.com/fatmakursun/predict-sales-time-series-with-cnn:CNN 预测模型

总结:深度学习模型可以解决基本上所有时序问题,而且模型可以自动学习特征工程,极大减少了人工;不过需要较高的模型架构能力。

最后我再附上一些比较经典的数据挖掘比赛链接和解决方案,如果能够理解数据和代码,必会受益匪浅。如果大家对某个比赛解决方案十分感兴趣,我后续会详细解读。

1)网站流量预测:

img{loading=lazy}

https://github.com/Arturus/kaggle-web-traffic RNN seq2seq 模型

https://github.com/jfpuget/Kaggle/tree/master/WebTrafficPrediction xgboost 和 MLP 模型

https://github.com/oseiskar/simdkalman kalman 滤波

https://github.com/sjvasquez/web-traffic-forecasting CNN 模型

2)餐厅客户量预测

img{loading=lazy}

https://www.kaggle.com/plantsgo/solution-public-0-471-private-0-505 特征工程+lgb

https://www.kaggle.com/pureheart/1st-place-lgb-model-public-0-470-private-0-502 特征工程+lgb

3)开放通道预测

img{loading=lazy}

https://www.kaggle.com/vicensgaitan/2-wavenet-swa wavenet 模型

https://www.kaggle.com/kmat2019/u-net-1d-cnn-with-keras 1D-CNN 模型

https://www.kaggle.com/brandenkmurray/seq2seq-rnn-with-gru seq2seq 模型

4)肺压力预测

img{loading=lazy}

https://www.kaggle.com/cdeotte/tensorflow-transformer-0-112 transformer 模型

https://www.kaggle.com/tenffe/finetune-of-tensorflow-bidirectional-lstm 双向 lstm 模型

时间序列问题博大精深,应用场景十分广泛。实际上许多预测问题都可以看做是时间序列问题,比如股票/期货/外汇价格预测,网站/餐馆/旅馆/交通流量预测,店铺商品库存/销量预测等等。掌握了时间序列预测方法,你可能就掌管一把洞见未来的钥匙。