随机森林理论入门（九道门如何使用随机森林进行时间序列预测）

传统的时间序列预测模型，如 ARIMA、SARIMA 和 VAR ，都是基于回归过程，因为这些模型需要处理连续变量。随机森林也是常用的机器学习模型之一，在分类和回归任务中具有非常好的性能。随机森林回归模型也可用于时间序列建模和预测，以获得更好的结果。在本文中，我们将讨论如何使用随机森林回归器进行时间序列建模和预测。

关于随机森林回归器：

随机森林模型是许多决策树的集合，其中决策树被称为弱学习器。它可以应用于分类和回归问题。使用随机森林的回归过程可以通过以下步骤完成：

• 数据拆分：该过程通过特征拆分，每一行负责创建决策树。
• 决策：每棵树都根据数据做出自己的决策。
• 决策聚合：在这一步中，树的平均值预测成为最终结果。

这种来自树的平均决策使得随机森林回归比任何其他算法都强。让我们看看如何在时间序列建模中使用随机森林模型。

流程 ：

在开始前，我们可以使用从此处获得的每日女性出生总数数据集。

由于我们使用的模块旨在处理监督学习数据集，因此我们需要将时间序列转换为监督学习数据集，转换后，再对单变量数据进行验证。在将数据拟合到模型中后，我们根据平均绝对误差交叉检查准确性。下面从导入库开始。

1.导入库-

在正常中只需要使用 pandas、NumPy、matplotlib 和 sklearn 库。

import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.ensemble import RandomForestRegressor

从 sklearn 集成导入随机森林回归器

2.数据转换-

这部分实现了一个函数，可以将时间序列转换为监督学习数据。

def series_to_supervised(data, n_in=1, n_out=1, dropnan=True): n_vars = 1 if type(data) is list else data.shape[1] df = pd.DataFrame(data) cols = list() for i in range(n_in, 0, -1): cols.append(df.shift(i)) for i in range(0, n_out): cols.append(df.shift(-i)) agg = pd.concat(cols, axis=1) if dropnan: agg.dropna(inplace=True) return agg.values

在上面的函数中，我定义了输入序列和预测序列并将它们连接起来，并且删除了所有的 NaN 值。

3.数据拆分-

本节定义了一个可以拆分数据集的函数。

def train_test_split(data, n_test): return data[:-n_test, :], data[-n_test:, :]

4.模型拟合-

在本节中，我们将定义一个函数，它可以帮助通过随机森林回归模型拟合转换后的数据。

# fit an random forest model and make a one step prediction def random_forest_forecast(train, testX): train = np.asarray(train) trainX, trainy = train[:, :-1], train[:, -1] model = RandomForestRegressor(n_estimators=1000) model.fit(trainX, trainy) yhat = model.predict([testX]) return yhat[0]

这个函数将列表转换为数组，然后拆分数据并拟合模型。训练模型后，它将帮助我们进行下一步预测。

5.单变量数据的验证-

本节将利用上述所有函数，并将测试数据与模型拟合，以预测和检查模型的准确性。

from sklearn.metrics import mean_absolute_error def walk_forward_validation(data, n_test): predictions = list() train, test = train_test_split(data, n_test) history = [x for x in train] for i in range(len(test)): testX, testy = test[i, :-1], test[i, -1] yhat = random_forest_forecast(history, testX) predictions.append(yhat) history.append(test[i]) print('>expected=%.1f, predicted=%.1f' % (testy, yhat)) error = mean_absolute_error(test[:, -1], predictions) return error, test[:, -1], predictions

6.加载数据中-

加载数据并使用上述函数将数据转换为监督学习数据。

series = pd.read_csv(‘/content/drive/MyDrive/Yugesh/times series with random forest/daily-total-female-births.csv’, header=0, index_col=0) values = series.values data = series_to_supervised(values, n_in=6)

7.模型评估-

根据均方误差评估模型。

series = pd.read_csv('/content/drive/MyDrive/Yugesh/times series with random forest/daily-total-female-births.csv', header=0, index_col=0) values = series.values data = series_to_supervised(values, n_in=6)

输出：

在上面的输出中，我们可以看到 MAE 为 5.999。这是一个很好的迹象。下面我们用测试数据绘制这些预测。

plt.plot(y, label='Expected') plt.plot(yhat, label='Predicted') plt.legend() plt.show()

输出：

在这里我们可以看到拟合随机森林回归模型的预测值。为了获得更好的性能，我们可以改变随机森林回归模型的参数。