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()
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()
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()
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)
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()
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。
结论
XGBoost是一种开源算法，通常用于许多数据科学案例和Kaggle竞赛。通常用例是常见的分类案例，如欺诈检测或回归案例，如房价预测，但XGBoost也可以扩展到时间序列预测。通过使用 XGBoost 回归器，我们可以创建一个可以预测未来数值的模型。
原文链接：https://www.mvrlink.com/time-series-forecasting-with-xgboost/
