利用 XGBoost 进行时间序列预测

推荐：使用 NSDT场景编辑器 助你快速搭建3D应用场景

XGBoost 应用程序的常见情况是分类预测（如欺诈检测）或回归预测（如房价预测）。但是，也可以扩展 XGBoost 算法以预测时间序列数据。它是如何工作的？让我们进一步探讨这一点。

时间序列预测

数据科学和机器学习中的预测是一种技术，用于根据一段时间内收集的历史数据（以定期或不定期间隔）预测未来的数值。

与每个观测值都独立于另一个观测值的常见机器学习训练数据不同，时序预测的数据必须按连续顺序排列并与每个数据点相关。例如，时间序列数据可以包括月度库存、每周天气、每日销售额等。

让我们看一下来自 Kaggle 的示例时间序列数据每日气候数据。

import pandas as pd

train = pd.read_csv('DailyDelhiClimateTrain.csv')
test = pd.read_csv('DailyDelhiClimateTest.csv')

train.head()

利用 XGBoost 进行时间序列预测

如果我们看一下上面的数据帧，每个特征都是每天记录的。日期列表示观测数据的时间，并且每个观测值都是相关的。

时间序列预测通常包含数据中的趋势、季节性和其他模式来创建预测。查看模式的一种简单方法是可视化它们。例如，我将可视化示例数据集中的平均温度数据。

train["date"] = pd.to_datetime(train["date"])
test["date"] = pd.to_datetime(test["date"])

train = train.set_index("date")
test = test.set_index("date")

train["meantemp"].plot(style="k", figsize=(10, 5), label="train")
test["meantemp"].plot(style="b", figsize=(10, 5), label="test")
plt.title("Mean Temperature Dehli Data")
plt.legend()

利用 XGBoost 进行时间序列预测

在上图中，我们很容易看到，每年都有一个共同的季节性模式。通过整合这些信息，我们可以了解数据的工作原理，并确定哪个模型可能适合我们的预测模型。

典型的预测模型包括 ARIMA、向量自回归、指数平滑和先知。但是，我们也可以利用XGBoost来提供预测。

XGBoost Forecasting

在准备使用 XGBoost 进行预测之前，我们必须先安装软件包。

pip install xgboost

安装后，我们将为模型训练准备数据。理论上，XGBoost Forecasting将实现基于单个或多个特征的回归模型来预测未来的数值。这就是为什么数据训练也必须在数值中。此外，为了将时间运动纳入我们的XGBoost模型中，我们将时间数据转换为多个数值特征。

让我们首先创建一个函数来从日期创建数字特征。

def create_time_feature(df):
    df['dayofmonth'] = df['date'].dt.day
    df['dayofweek'] = df['date'].dt.dayofweek
    df['quarter'] = df['date'].dt.quarter
    df['month'] = df['date'].dt.month
    df['year'] = df['date'].dt.year
    df['dayofyear'] = df['date'].dt.dayofyear
    df['weekofyear'] = df['date'].dt.weekofyear
    return df

接下来，我们将此函数应用于训练和测试数据。

train = create_time_feature(train)
test = create_time_feature(test)

train.head()

Leveraging XGBoost for Time-Series Forecasting

所需信息现已全部可用。接下来，我们将定义我们想要预测的内容。在此示例中，我们将预测平均温度并根据上述数据制作训练数据。

X_train = train.drop('meantemp', axis =1)
y_train = train['meantemp']

X_test = test.drop('meantemp', axis =1)
y_test = test['meantemp']

我仍然会使用其他信息（例如湿度）来表明XGBoost也可以使用多变量方法预测值。但是，在实践中，我们只纳入我们在尝试预测时知道存在的数据。

让我们通过将数据拟合到模型中来开始训练过程。对于当前示例，除了树的数量之外，我们不会进行太多的超参数优化。

import xgboost as xgb

reg = xgb.XGBRegressor(n_estimators=1000)
reg.fit(X_train, y_train, verbose = False)

在训练过程之后，让我们看看模型的特征重要性。

xgb.plot_importance(reg)

Leveraging XGBoost for Time-Series Forecasting

这三个初始特征对预测的帮助并不大，但时间特征也有助于预测。让我们尝试对测试数据进行预测并可视化它们。

test['meantemp_Prediction'] = reg.predict(X_test)

train['meantemp'].plot(style='k', figsize=(10,5), label = 'train')
test['meantemp'].plot(style='b', figsize=(10,5), label = 'test')
test['meantemp_Prediction'].plot(style='r', figsize=(10,5), label = 'prediction')
plt.title('Mean Temperature Dehli Data')
plt.legend()

利用 XGBoost 进行时间序列预测

从上图可以看出，预测可能看起来略有偏差，但仍遵循整体趋势。让我们尝试根据错误指标评估模型。

from sklearn.metrics import mean_squared_error, mean_absolute_error, mean_absolute_percentage_error

print('RMSE: ', round(mean_squared_error(y_true=test['meantemp'],y_pred=test['meantemp_Prediction']),3))
print('MAE: ', round(mean_absolute_error(y_true=test['meantemp'],y_pred=test['meantemp_Prediction']),3))
print('MAPE: ', round(mean_absolute_percentage_error(y_true=test['meantemp'],y_pred=test['meantemp_Prediction']),3))

RMSE： 11.514

前：2.655

MAPE： 0.133

结果表明，我们的预测可能有13%左右的误差，RMSE在预测中也显示出轻微的误差。可以使用超参数优化来改进模型，但我们已经了解了如何将 XGBoost 用于预测。