工具包

使用GluonTS工具包，主页：https://ts.gluon.ai/
github页面：https://github.com/awslabs/gluon-ts/

使用代码

非官方代码，是我学习时测试的代码，并且尽可能标注了注释：

核心代码：

import pandas as pd
import matplotlib.pyplot as plt
from gluonts.dataset.common import ListDataset
from gluonts.mx.trainer import Trainer
from gluonts.model.simple_feedforward import SimpleFeedForwardEstimator
from gluonts.evaluation.backtest import make_evaluation_predictionsdef probabilistic_predict(train_se: pd.Series, test_se: pd.Series, freq):training_data = ListDataset(  # 使用这个工具包需要把数据格式转换为这种类型[{"start": train_se.index[0],  # 训练集的起始日期"target": train_se,}],freq=freq,)test_data = ListDataset([{"start": train_se.index[0],  # 测试集的起始日期"target": pd.concat([train_se, test_se]),  # 注意这里是训练集+测试集}],freq=freq,)prediction_length = len(test_se)estimator = SimpleFeedForwardEstimator(  # 构造训练器num_hidden_dimensions=[100],prediction_length=prediction_length,context_length=100,freq=freq,trainer=Trainer(epochs=10,learning_rate=1e-3,num_batches_per_epoch=100))predictor = estimator.train(training_data)  # 开始训练forecast_it, ts_it = make_evaluation_predictions(  # 用测试集测试训练的效果dataset=test_data,  # test datasetpredictor=predictor,  # predictornum_samples=100,  # number of sample paths we want for evaluation)tss = list(ts_it)ts_entry = tss[0]forecasts = list(forecast_it)forecast_entry = forecasts[0]return ts_entry, forecast_entry

绘图函数：

def plot_prob_forecasts(ts_entry, forecast_entry):  # 绘图plot_length = 100  # 绘制多少个点prediction_intervals = (50.0, 90.0)legend = ["observations", "median prediction"] + [f"{k}% prediction interval" for k in prediction_intervals][::-1]fig, ax = plt.subplots(1, 1, figsize=(20, 10))ts_entry[-plot_length:].plot(ax=ax)  # plot the time seriesforecast_entry.plot(prediction_intervals=prediction_intervals, color='g')plt.grid(which="both")plt.legend(legend, loc="upper left")plt.savefig('save_fig.png')plt.show()

使用：

if __name__ == '__main__':import numpy as np# 生成从2021.01.01至2021.12.30共365天的数据，模拟时间序列time_df = pd.DataFrame(np.random.randint(0, 10, size=(365, 1)), columns=['data'],index=pd.date_range('2021-01-01', periods=365, freq='D'))# 把1.1至10.31当做训练集，11.1至12.30当做测试集train = time_df.truncate(after='2021-10-31').iloc[:, 0]test = time_df.truncate(before='2021-11-01').iloc[:, 0]ts_entry, forecast_entry = probabilistic_predict(train, test, freq='D') # 预测plot_prob_forecasts(ts_entry, forecast_entry) # 绘图

绘制出的效果图如下：

由于是随机数，因此可预测性并不高，效果自然不会太好。

使用python GluonTS库做概率预测相关推荐

利用Python Matplotlib库做简单的视觉化(2)
Matplotlib练习题目练习一方法一(条形图) 方法一效果图方法二(扇形图) 方法二效果图练习二练习二代码练习二效果图小结题目练习一方法一(条形图) from matplot ...
利用Python Matplotlib库做简单的视觉化
Matplotlib练习练习一题目代码效果图练习二题目练习1代码练习1效果图练习2代码练习2效果图小结练习一题目代码 import matplotlib.pyplot as ...
独家 | 手把手教你用Python的Prophet库进行时间序列预测
作者:Jason Brownlee 翻译:殷之涵校对:吴振东本文长度为4800字,建议阅读10+分钟本文为大家介绍了如何在Python中使用由Facebook开发的Prophet库进行自动化的时 ...
python 分类变量xgboost_如何用XGBoost做时间序列预测？
作者:Jason Brownlee翻译:wwl校对:王雨桐本文约3300字,建议阅读10分钟本文介绍了如何用XGBoost做时间序列预测,包括将时间序列转化为有监督学习的预测问题,使用前向验证来做模型 ...
利用python机器学习库进行Kaggle皮马印第安人糖尿病预测分析
利用python机器学习库进行Kaggle皮马印第安人糖尿病预测分析项目摘要本项目主要使用python对各医学参数与糖尿病之间的关系进行可视化分析.描述性分析.使用scikit-learn机器学习 ...
python rsa 公钥解密_python利用rsa库做公钥解密的方法教程
前言对于RSA的解密,即密文的数字的 D 次方求mod N 即可,即密文和自己做 D 次乘法,再对结果除以 N 求余数即可得到明文.D 和 N 的组合就是私钥(private key). 算法的加密 ...
python自动源码_谷歌推出Tangent开源库，在Python源代码上做自动微分
原标题:谷歌推出Tangent开源库,在Python源代码上做自动微分李林编译自 Google Research Blog 谷歌今天推出了一个新的开源Python自动微分库:Tangent. 和现 ...
Python 之使用 PIL 库做图像处理
http://www.cnblogs.com/way_testlife/archive/2011/04/17/2019013.html Python 之使用 PIL 库做图像处理 1. 简介. 图像 ...
python没有库_Python开发者必备6个基本库，这个都没有怎么做开发呢
本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理以下文章来源于腾讯云作者:py3study ( 想要学习Python?Pytho ...

使用python GluonTS库做概率预测

文章目录

工具包

使用代码

使用python GluonTS库做概率预测相关推荐

最新文章

热门文章