sktime 介绍

愿景声明

• 一个易于使用、易于扩展、全面的面向时间序列机器学习和人工智能的 Python 框架

• 开源、许可宽松、免费使用

• 公开透明地治理

• 友好、响应迅速、友善和包容的社区，积极致力于确保公平和机会均等

• 一个学术上和商业上中立的空间，具有生态系统集成的愿景和中立的视角

• 一个教育平台，为所有职业阶段，特别是早期职业人士提供指导和技能提升机会

sktime 是一个充满活力、热烈欢迎新人的社区，提供指导机会！

• 我们热爱新的贡献者。即使您是开源软件开发新手！

• 请查看 sktime 新贡献者指南

• 加入我们的 Discord 和/或参加我们的定期聚会！

• 在 LinkedIn 上关注我们！

延伸阅读

• sktime binder 上的 notebook 教程

• 录制好的视频教程

• 发现 bug 或问题？ 教程反馈帖

目录

sktime 提供了一个统一的、类似于 scikit-learn 的工具箱接口，用于处理多种时间序列学习任务。

第 1 节 使用 scikit-learn 作为示例，解释了什么是类似于 scikit-learn 的工具箱。

第 2 节 概述了时间序列学习及其领域的挑战。

第 3 节 提供了 sktime 的高级工程概览。

1. sklearn 统一接口 - 策略模式

sktime 遵循 sklearn / skbase 接口

• 统一的对象/评估器接口

• 模块化设计，策略模式

• 可组合，组合体接口一致

• 简单的规范语言和参数接口

• 可视化丰富的漂亮打印输出

sklearn 提供了一个统一接口，用于多种学习任务，包括分类和回归。

任何（监督）评估器都具有以下接口点

1. 通过参数设置实例化您选择的模型

2. 拟合您的模型实例

3. 使用该已拟合实例来预测新数据！

上述代码示例

import warnings

warnings.filterwarnings("ignore")

# get data to use the model on
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

X, y = load_iris(return_X_y=True, as_frame=True)
random_seed = 60
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=random_seed)

X_train.head()

	萼片长度 (cm)	萼片宽度 (cm)	花瓣长度 (cm)	花瓣宽度 (cm)
59	5.2	2.7	3.9	1.4
52	6.9	3.1	4.9	1.5
108	6.7	2.5	5.8	1.8
36	5.5	3.5	1.3	0.2
134	6.1	2.6	5.6	1.4

y_train.head()

59     1
52     1
108    2
36     0
134    2
Name: target, dtype: int64

X_test.head()

	萼片长度 (cm)	萼片宽度 (cm)	花瓣长度 (cm)	花瓣宽度 (cm)
69	5.6	2.5	3.9	1.1
71	6.1	2.8	4.0	1.3
97	6.2	2.9	4.3	1.3
42	4.4	3.2	1.3	0.2
73	6.1	2.8	4.7	1.2

from sklearn.svm import SVC

# 1. Instantiate SVC with parameters gamma, C
clf = SVC(gamma=0.001, C=100.0)

# 2. Fit clf to training data
clf.fit(X_train, y_train)

# 3. Predict labels on test data
y_test_pred = clf.predict(X_test)

y_test_pred

array([1, 1, 1, 0, 1, 0, 1, 0, 0, 1, 0, 0, 2, 1, 2, 1, 2, 1, 0, 2, 2, 0,
       1, 0, 0, 0, 0, 1, 2, 0, 2, 1, 2, 0, 0, 0, 1, 0])

重要提示：要使用另一个分类器，只需要更改规范行的第 1 部分！

SVC 可以换成 RandomForest，步骤 2 和 3 保持不变 - 统一接口

from sklearn.ensemble import RandomForestClassifier

# 1. Instantiate SVC with parameters gamma, C
clf = RandomForestClassifier(n_estimators=100)

# 2. Fit clf to training data
clf.fit(X_train, y_train)

# 3. Predict labels on test data
y_test_pred = clf.predict(X_test)

y_test_pred

array([1, 1, 1, 0, 1, 0, 1, 0, 0, 1, 0, 0, 2, 1, 2, 1, 2, 1, 0, 2, 2, 0,
       1, 0, 0, 0, 0, 1, 2, 0, 2, 1, 2, 0, 0, 0, 1, 0])

在面向对象设计术语中，这称为“策略模式”

= 不同的评估器可以切换使用，而无需更改接口

= 就像电源插头适配器一样，如果符合接口，就可以即插即用

图示总结

参数可以通过 get_params, set_params 访问和设置

clf.get_params()

{'bootstrap': True,
 'ccp_alpha': 0.0,
 'class_weight': None,
 'criterion': 'gini',
 'max_depth': None,
 'max_features': 'sqrt',
 'max_leaf_nodes': None,
 'max_samples': None,
 'min_impurity_decrease': 0.0,
 'min_samples_leaf': 1,
 'min_samples_split': 2,
 'min_weight_fraction_leaf': 0.0,
 'monotonic_cst': None,
 'n_estimators': 100,
 'n_jobs': None,
 'oob_score': False,
 'random_state': None,
 'verbose': 0,
 'warm_start': False}

2. sktime 专注于时间序列数据分析

与“表格”数据相比，时间序列任务领域更丰富

• 预测 (Forecasting) - 根据过去几周的数据预测明天的能源消耗

• 分类 (Classification) - 根据先前的示例将心电图分类为健康/患病

• 回归 (Regression) - 根据温度/压力曲线预测生物反应器中化合物的纯度

• 聚类 (Clustering) - 将树叶轮廓分为少量相似类别

• 标注 (Annotation) - 识别数据流中的跳跃、异常、事件

sktime 旨在为这些任务提供类似于 sklearn 的、模块化的、可组合的接口！

任务	状态	链接
预测	稳定	教程 · API 参考 · 扩展模板
时间序列分类	稳定	教程 · API 参考 · 扩展模板
时间序列回归	稳定	教程 · API 参考
转换	稳定	教程 · API 参考 · 扩展模板
预测性能指标	稳定	API 参考
时间序列拆分/重采样	稳定	API 参考
参数拟合	成熟中	API 参考 · 扩展模板
时间序列对齐	成熟中	API 参考 · 扩展模板
时间序列聚类	成熟中	API 参考 · 扩展模板
时间序列距离/核函数	成熟中	教程 · API 参考 · 扩展模板
异常、变化点	实验性	扩展模板

在 skpro 伴侣包中

模块	状态	链接
概率表格回归	成熟中	教程 · API 参考 · 扩展模板
事件发生时间（生存期）预测	成熟中	教程 · API 参考 · 扩展模板
概率预测性能指标	成熟中	API 参考
概率分布	成熟中	教程 · API 参考 · 扩展模板

示例 - 预测

# get the data
from sktime.datasets import load_airline

y = load_airline()

import numpy as np

from sktime.forecasting.naive import NaiveForecaster

# step 1: specify the forecasting algorithm
forecaster = NaiveForecaster(strategy="last", sp=12)

# step 2: specify forecasting horizon
fh = np.arange(1, 37)  # we want to predict the next 36 months

# step 3: fit the forecaster
forecaster.fit(y, fh=fh)

# step 4: make the forecast
y_pred = forecaster.predict()

from sktime.utils.plotting import plot_series

fig, ax = plot_series(y, y_pred, labels=["train", "forecast"])

示例 - 时间序列分类

# get the data
from sktime.datasets import load_osuleaf

# for training
X_train, y_train = load_osuleaf(split="train", return_type="numpy3D")

# for prediction
X_new, _ = load_osuleaf(split="test", return_type="numpy3D")
X_new = X_new[:2]

from sktime.classification.distance_based import KNeighborsTimeSeriesClassifier
from sktime.dists_kernels import ScipyDist
from sktime.dists_kernels.compose_tab_to_panel import AggrDist

# step 1 - specify the classifier
mean_eucl_dist = AggrDist(ScipyDist())
clf = KNeighborsTimeSeriesClassifier(n_neighbors=3, distance=mean_eucl_dist)

# step 2 - fit the classifier
clf.fit(X_train, y_train)

# step 3 - predict labels on new data
y_pred = clf.predict(X_new)

X_train.shape

(200, 1, 427)

y_train.shape

(200,)

X_new.shape

(2, 1, 427)

y_pred.shape

(2,)

3. sktime 集成了时间序列建模生态系统！

时间序列的包空间高度碎片化

• 有很多出色的实现和方法！

• 但是接口各不相同，不像 sklearn 那样可组合

sktime 集成了生态系统 - 与所有现有的包友好协作！

轻松搜索生态系统中的即插即用组件！

试试 `sktime 评估器搜索 <https://sktime.net.cn/en/stable/estimator_overview.html>`__

4. 总结

• sklearn 接口：统一接口（策略模式）、模块化、组合稳定、简单的规范语言

• sktime 发展了时间序列学习任务的接口

• sktime 通过接口、可组合性和依赖管理集成了碎片化的生态系统

---

致谢：notebook 0 - sktime 和 sklearn 介绍

notebook 创建者：fkiraly, marrov

部分小节基于现有的 sktime 教程，致谢：fkiraly, miraep8

幻灯片 (png/jpg)

• 摘自 fkiraly 在 UCL 的研究生课程《数据科学软件工程的原理与模式》

• 生态系统幻灯片：fkiraly, mloning

• 学习任务：fkiraly, mloning

---

学术研究论文中的引用和致谢

sktime 工具箱：sktime: 一个用于时间序列机器学习的统一接口

sktime 设计原则：设计机器学习工具箱：概念、原理与模式

---

使用 nbsphinx 生成。Jupyter notebook 可在此处找到。