tslearn时间序列分析入门指南

tslearn时间序列分析入门指南

什么是tslearn

tslearn是一个专门用于时间序列数据分析的Python机器学习库。它建立在scikit-learn的基础之上，提供了专门针对时间序列数据的预处理、聚类、分类和回归等算法。与常规机器学习库不同，tslearn专注于处理具有时间依赖性的数据，这在金融分析、传感器数据处理、语音识别等领域尤为重要。

时间序列数据格式

在tslearn中，时间序列有特定的数据格式要求，理解这一点是使用该库的基础。

单个时间序列格式

单个时间序列在tslearn中被表示为二维numpy数组：

• 第一维(行)对应时间轴
• 第二维(列)对应特征维度(默认为1)

from tslearn.utils import to_time_series

# 创建一个简单的时间序列
my_series = [1, 3, 4, 2]
formatted_series = to_time_series(my_series)

print(formatted_series.shape)  # 输出: (4, 1)

时间序列数据集格式

当处理多个时间序列时，tslearn使用三维数组：

• 第一维：时间序列数量
• 第二维：最大时间长度
• 第三维：特征维度

对于不等长的时间序列，较短的序列会用NaN填充至最长序列的长度。

from tslearn.utils import to_time_series_dataset

series1 = [1, 3, 4, 2]
series2 = [1, 2, 4, 2]
series3 = [1, 2, 4, 2, 2]

dataset = to_time_series_dataset([series1, series2, series3])
print(dataset.shape)  # 输出: (3, 5, 1)

加载标准数据集

tslearn提供了便捷的方法来加载标准时间序列数据集，这对于快速验证算法非常有用。

from tslearn.datasets import UCR_UEA_datasets

# 加载TwoPatterns数据集
X_train, y_train, X_test, y_test = UCR_UEA_datasets().load_dataset("TwoPatterns")

print(X_train.shape)  # 训练集形状
print(y_train.shape)  # 训练标签形状

从文本文件加载数据

tslearn支持从特定格式的文本文件中加载时间序列数据。文件格式要求：

• 每行代表一个时间序列
• 多模态数据用"|"分隔
• 同一模态内的观测值用空格分隔

示例文件内容：

1.0 0.0 2.5|3.0 2.0 1.0
1.0 2.0|4.333 2.12

对应的加载代码：

from tslearn.utils import load_time_series_txt, save_time_series_txt

# 加载数据
data = load_time_series_txt("data.txt")

# 保存数据
save_time_series_txt("saved_data.txt", data)

时间序列机器学习

tslearn提供了多种时间序列专用的机器学习算法，使用方式与scikit-learn类似。

时间序列聚类示例

from tslearn.clustering import TimeSeriesKMeans

# 创建基于动态时间规整(DTW)的K-Means聚类器
km = TimeSeriesKMeans(n_clusters=3, metric="dtw")

# 拟合数据
km.fit(X_train)

关键参数说明

在时间序列机器学习中，选择合适的距离度量至关重要。tslearn支持多种时间序列专用度量方法，包括：

• 动态时间规整(DTW)
• 软动态时间规整(Soft-DTW)
• 最长公共子序列(LCSS)
• 编辑距离(EDR)
• 时间序列形状距离(TWE)

最佳实践建议

1. 数据预处理：在使用算法前，考虑对时间序列进行标准化或归一化处理
2. 度量选择：根据数据特性选择合适的距离度量
3. 不等长处理：对于不等长时间序列，注意填充策略的影响
4. 计算效率：某些度量(如DTW)计算成本较高，大数据集可能需要近似算法

通过掌握这些基础知识，您已经可以开始使用tslearn进行时间序列分析的实际项目了。后续可以进一步探索更高级的功能，如时间序列分类、回归和异常检测等。