時系列解析版Scikit-learn（sklearn）
かもしれないライブラリー「Sktime」（Python）

16439
時系列解析版Scikit-learn（sklearn）かもしれないライブラリー「Sktime」（Python）

発展途上ではありますが、個人的に注目している時系列解析のライブラリーがあります。Sktimeというライブラリーです。

名前から想像できる通り、Pythonの有名な機械学習ライブラリーScikit-learn（sklearn）の時系列版のようなものです。ちなみに、Scikit-learn（sklearn）は時系列データではなくクロスセクショナルデータと呼ばれるテーブルデータを相手にします。

Sktimeは、Scikit-learn（sklearn）のように、回帰問題や分類問題を扱うことができます。それが、時系列版になった感じです。しかも、Scikit-learn（sklearn）と連携して動かすことができます。

しかし、現段階では発展途上というか開発途上な感じで、マニュアルもところどころ「工事中」（2021年2月1日現在）となっています。

ということで今回は「時系列解析版Scikit-learn（sklearn）かもしれないライブラリー「Sktime」（Python）」という、中途半端なお話しをします。

 

sktimeについては、以下でもう少し広く複数回に渡り説明したいます。

Python ライブラリー「sktime」で学ぶ らくらくビジネス時系列機械学習 Web講座

 

Sktimeでできることの概要

現段階（2021年2月1日現在）では、以下の機能が提供されています。

例えば……

  • 予測器・推定器の構築：時系列回帰や時系列分類、時系列予測のモデルを構築
  • 変換器の構築：時系列変換、特徴量エンジニアリングなど
  • パイプラインの構築：変換器と予測器の一連のつながりを構築
  • モデルのチューニング
  • モデルのアンサンブル化

……などです。

基本的には、Scikit-learn（sklearn）と同様に、以下の3つの機能がメインになります。

  • transform：データを変換
  • fit：学習データを使ってモデル構築
  • predict：構築したモデルで予測

予測のための時系列の数理モデルは、主に2種類の作り方があります。

  • 時系列解析用の数理モデルで構築する
  • クロスセクショナルデータ（テーブルデータ）用の数理モデルで構築する

2番目の「クロスセクショナルデータ（テーブルデータ）用の数理モデルで構築する」は、Scikit-learn（sklearn）を活用したりします。

1番目の「時系列解析用の数理モデルで構築する」は、Scikit-learn（sklearn）にはないような時系列解析の数理モデルを実施します。

Sktimeで嬉しいことの1つは、時系列解析用の数理モデルでも、Scikit-learn（sklearn）に登場するような数理モデルでも、どちらでも数理モデルを構築することが可能なところです。

Sktimeのインストール

先ずは、Sktimeをインストールする必要があります。

以下、conda（Anacondaなどを使っている方）を使ったインストールをするときのコードです。

conda install -c conda-forge sktime

 

以下、Anacondaなどを使っていない方は、pipでインストールしてください。

pip install sktime

 

予測（Forecasting）

ここで簡単な例で、簡単な使い方を紹介します。

時系列解析と言えば、数値の予測です。

数値予測で使える時系列モデル

Sktimeの数値予測で使える時系列モデルは色々あります。

例えば……

  • ARIMA
  • Exponential Smoothing（指数平滑化法）
  • ETS（Error-Trend-Seasonality、状態空間指数平滑化法）
  • BATS/TBATS（Exponential smoothing state space model with Box-Cox transformation, ARMA errors, Trend and Seasonal components）
  • Facebook Prophet

……などの鉄板の時系列モデルは、当然含んでいます。

後は、Scikit-learn（sklearn）の数理モデルを使うこともできますし、それらをアンサンブル化することもできます。

必要なライブラリーの読み込み

では、必要なライブラリーを早速読み込みたいと思います。

以下、コードです。

# 基本ライブラリー
import numpy as np
import pandas as pd

# sktime系
from sktime.datasets import load_airline #サンプルデータ（航空機の乗客数）
from sktime.forecasting.model_selection import temporal_train_test_split #時系列の学習データとテストデータの生成
from sktime.forecasting.arima import AutoARIMA #ARIMAモデル
from sktime.forecasting.exp_smoothing import ExponentialSmoothing #ESモデル
from sktime.forecasting.ets import AutoETS #ETSモデル
from sktime.forecasting.tbats import TBATS #TBATSモデル
from sktime.forecasting.compose import EnsembleForecaster #アンサンブル
from sktime.utils.plotting import plot_series #グラフ化
from sktime.performance_metrics.forecasting import mean_absolute_percentage_error #予測精度MAPE

 

エラーが出る場合には、必要なライブラリーがインストールされていない可能性があります。もし、エラーメッセージが出たときは、エラーメッセージを解読し必要なライブラリーをインストールしておいてください。

サンプルデータ

Box and Jenkins (1976) の有名な時系列データであるAirline Passengers（飛行機乗客数）を使います。時系列解析のサンプルデータとしてよく利用されています。Sktimeに用意されています。

以下、コードです。

y = load_airline()

 

どのようなデータが入っているか確認してみます。

以下、コードです。

y

 

以下、実行結果です。

 

グラフ化してみます。

以下、コードです。

plot_series(y)

 

以下、実行結果です。

 

サンプルデータを、学習データ（train）とテストデータ（test）に分割したいと思います。

時系列データの場合、クロスセクショナルデータ（テーブルデータ）と異なり、ランダムにデータを抽出することはできません。隣り合ったデータ同士の間もしくは一連の関係性（例：周期性など）が意味を持ちます。

そのため、ある期間を境に、学習データ（train）とテストデータ（test）に分割します。今回は、直近3年間（36カ月間）のデータをテストデータ（test）にし、その前のデータを学習データ（train）にします。

以下、コードです。

y_train, y_test = temporal_train_test_split(y,test_size=36)
  • y_train：学習データ
  • y_test：テストデータ

分割したデータの中を見てみます。

以下、学習データを見るコードです。

y_train

 

以下、実行結果です。

 

以下、テストデータを見るコードです。

y_test

 

以下、実行結果です。

 

グラフで確認してみます。

以下、コードです。

plot_series(y_train, y_test, labels=["y_train", "y_test"])

 

以下、実行結果です。

 

このように、Sktimeには時系列データを扱うのに便利な機能が実装されております。他にも色々あります。日々進化しています。

次から、実際に時系列モデルを構築し、予測をしていきたいと思います。予測精度は、MAPE（平均絶対パーセント誤差）で見ていきます。MAPEは小さい方が良いです。

ARIMAモデル

時系列解析で最もメジャーで、実務で利用されている数理モデルの1つがARIMAモデルです。

日本だけでなく欧米などの諸外国の経済指標などでも、ARIMAモデルは季節調整などで活用されています。例えば、米国の国勢調査局 （Census Bureau）で開発されたX12-ARIMAやX13-ARIMAなどが、経済指標でよく使われています。

ARIMAモデルを作るとき、幾つかの次数（AR、I、MA、SAR、SI、SMA）を考える必要があります。今回は、自動で最適な次数を探索し設定するAuto-ARIMA（自動ARIMA）を使います。

以下、コードです。

# ARIMAモデル自動構築
forecaster = AutoARIMA(sp=12, suppress_warnings=True)
forecaster.fit(y_train)

 

これで、ARIMAモデルが構築されました。次に予測です。

学習データ以降の3年間（36カ月間）を予測します。最初、予測期間の添え字を作り、そして予測します。

以下、コードです。

# 予測期間の添え字
fh = np.arange(len(y_test)) + 1
fh

 

以下、実行結果です。

 

1から始まる添え字の列であることが分かります。この添え字を使い、予測を実施します。

以下、コードです。

# 予測実施
y_pred = forecaster.predict(fh)

 

これだけです。予測結果を見てみたいと思います。グラフ化します。

以下、コードです。

# 予測結果のグラフ化
plot_series(y_train, y_test, y_pred, labels=["y_train", "y_test", "y_pred"])

 

以下、実行結果です。

 

テストデータの予測精度を見てみます。

以下、コードです。

# 予測精度検証：MAPE（平均絶対パーセント誤差）
mean_absolute_percentage_error(y_test, y_pred)

 

以下、実行結果です。

 

MAPEは4.1%です。

予測区間付きのグラフで描写します。

以下、コードです。

# 予測区間付き予測結果のグラフ
y_pred = forecaster.predict(fh)
pred_ints = forecaster.predict_interval(coverage=0.95)
fig, ax = plot_series(y_train, y_test, y_pred, labels=["y_train", "y_test", "y_pred"])
ax.fill_between(
    ax.get_lines()[-1].get_xdata(),
    pred_ints.iloc[:,0],
    pred_ints.iloc[:,1],
    alpha=0.2,
    color=ax.get_lines()[-1].get_c(),
    label=f"{0.95}% prediction intervals",
)
ax.legend()

 

以下、実行結果です。

 

色々な時系列モデル

以下の4つの時系列モデルを構築し、予測精度の検証をします。

  • ESモデル
  • ETSモデル（Auto-ETS）
  • TBATSモデル
  • アンサンブルモデル（VotingRegressor、複数の予測器の平均を予測とする）

以下の流れで、一気に予測結果のグラフ化まで実施します。予測精度も出します。

モデル構築 → 予測 → 予測結果グラフ化 → 予測精度MAPE

ESモデル

Exponential Smoothing（指数平滑化法）です。

以下、コードです。

# ESモデル構築→予測→グラフ化→予測精度MAPE
forecaster = ExponentialSmoothing(trend="add", seasonal="multiplicative", sp=12)
model = forecaster.fit(y_train)
y_pred = forecaster.predict(fh)
plot_series(y_train, y_test, y_pred, labels=["y_train", "y_test", "y_pred"])
mean_absolute_percentage_error(y_test, y_pred)

 

以下、実行結果です。

 

MAPEは5.1％です。

 

ETSモデル（Auto-ETS）

ETS（Error-Trend-Seasonality）です。状態空間モデルをベースにしている平滑化法のため、状態空間指数平滑化法（Exponential smoothing state space model）とも呼ばれています。

以下、コードです。

# ETSモデル自動構築→予測→グラフ化→予測精度MAPE
forecaster = AutoETS(auto=True, sp=12, n_jobs=-1)
model = forecaster.fit(y_train)
y_pred = forecaster.predict(fh)
plot_series(y_train, y_test, y_pred, labels=["y_train", "y_test", "y_pred"])
mean_absolute_percentage_error(y_test, y_pred)

 

以下、実行結果です。

 

MAPEは6.2％です。

 

TBATSモデル

TBATS（Exponential smoothing state space model with Box-Cox transformation, ARMA errors, Trend and Seasonal components）です。

以下、コードです。

# TBATSモデル構築→予測→グラフ化→予測精度MAPE
forecaster = TBATS(sp=12, use_trend=True, use_box_cox=False)
forecaster.fit(y_train)
y_pred = forecaster.predict(fh)
plot_series(y_train, y_test, y_pred, labels=["y_train", "y_test", "y_pred"])
mean_absolute_percentage_error(y_test, y_pred)

 

以下、実行結果です。

 

MAPEは8％です。

 

アンサンブルモデル

以下の4つの予測器のアンサンブルモデルを構築します。予測値は、4つの予測器の予測結果の平均値です。

  • ARIMAモデル（Auto-ARIMA）
  • ESモデル
  • ETSモデル（Auto-ETS）
  • TBATSモデル

以下、コードです。

# アンサンブルモデル構築→予測→グラフ化→予測精度MAPE
forecaster = EnsembleForecaster(
    [
        ("ARIMA", AutoARIMA(sp=12, suppress_warnings=True)),
        ("ES",ExponentialSmoothing(trend="add", seasonal="multiplicative", sp=12)),
        ("ETS",AutoETS(auto=True, sp=12, n_jobs=-1)),
        ("TBATS",TBATS(sp=12, use_trend=True, use_box_cox=False))
    ]
)
forecaster.fit(y_train)
y_pred = forecaster.predict(fh)
plot_series(y_train, y_test, y_pred, labels=["y_train", "y_test", "y_pred"])
mean_absolute_percentage_error(y_test, y_pred)

 

以下、実行結果です。

 

MAPEは5.6％です。

MAPEは小さい方が良いです。そう考えると、ARIMAモデル単体の予測器の予測精度が一番いいことになります。

まとめ

時系列解析のライブラリー「Sktime」を使った、時系列モデルを使った数値予測をする方法を、簡単に説明しました。

Pythonの有名な機械学習ライブラリーScikit-learn（sklearn）の時系列版のようなものです。Scikit-learn（sklearn）は時系列データではなくクロスセクショナルデータと呼ばれるテーブルデータを相手にします。

Sktimeは、Scikit-learn（sklearn）のように、回帰問題や分類問題を扱うことができます。それが、時系列版になった感じです。しかも、Scikit-learn（sklearn）と連携して動かすことができます。

 

sktimeについては、以下でもう少し広く複数回に渡り説明したいます。