時系列AutoML（自動機械学習）第2回：時系列予測モデルの自動構築

最近色々な自動機械学習 AutoML（Automated Machine Learning）が登場しています。TPOT、MLBox、Auto-Sklearnなどの様々なAutoML（自動機械学習）Pythonライブラリーがあり、分類や回帰の機械学習モデルを自動化することができます。

NLP問題を自動化するPyhtonライブラリーは、AutoViMLです。

時系列データに対するAutoML（自動機械学習）もあります。Pythonの時系列AutoML（自動機械学習）ライブラリーであるAutoTSです。

前回は、「AutoTSのインストール方法や簡単な使い方」を紹介しました。

時系列AutoML（自動機械学習）第1回：イントロダクション（AutoTSのインストール方法と簡単な使い方など）

今回は、「AutoTSを使った時系列予測モデルの自動構築方法」について説明します。超簡単です。

Contents

利用するデータセット
予測精度評価で利用する指標
必要なライブラリーの読み込み
Australian wine sales（オーストラリアのワイン販売量）
Australian wine sales｜データセットの読み込み
Australian wine sales｜学習データとテストデータに分割
Australian wine sales｜予測モデルの自動構築
Australian wine sales｜予測精度比較
Airline Passengers（飛行機乗客数）
Airline Passengers｜データセットの読み込み
Airline Passengers｜学習データとテストデータに分割
Airline Passengers｜予測モデルの自動構築
Airline Passengers｜予測精度比較
まとめ

利用するデータセット

時系列解析系のサンプルデータとしよく活用されている、以下のデータセット2つを使います。

Australian wine sales（オーストラリアのワイン販売量）　※月単位の時系列データ
Airline Passengers（飛行機乗客数）　※月単位の時系列データ

以下の記事で利用しているデータセットです。

Python ThymeBoost でさくっと勾配ブーステッド時系列モデル（A Gradient Boosted Time-Series Model）を作ろう！

上記の記事では、Python の ThymeBoost というパッケージを使って勾配ブーステッド時系列モデル（A Gradient Boosted Time-Series Model）や、伝統的な時系列解析モデルである ARIMAモデル などで予測モデルを構築し精度比較しています。

具体的には、以下の4つです。

ARIMAモデル
Prophetモデル
ThymeBoostモデル
ThymeBoost（ARIMA）モデル

これらの時系列予測モデルと比較して見たいと思います。

ちなみに、上記4つの時系列予測モデルも、一種のAutoML（自動機械学習）です。ほぼ自動で構築しているからです。例えば、ARIMAモデルもAutoARIMAというARIMAモデルを自動構築するアルゴリズムで構築しています。

AutoTSは何が違うのかと言うと、大きな違いは多変量時系列データに対応していることと、一様ARIMAやProphetを含んでいるところです。AutoTSが必ずよい結果をもたらすわけではなく、AutoTSの中に実装されているAutoML（自動機械学習）の探索アルゴリズムによっては、精度は悪化することがあります。

予測精度評価で利用する指標

学習データで予測モデルを構築し、テストデータで精度検証していきます。

予測精度評価で利用する指標は、平均絶対誤差（MAE、Mean Absolute Error）と平均絶対パーセント誤差（MAPE、Mean absolute percentage error）です。

以下の記号を使い精度指標の説明をします。

$y_i^{actual}$ ・・・ $i$ 番目の実測値
$y_i^{pred}$ ・・・ $i$ 番目の予測値
$\overline{y^{actual}}$ ・・・実測値の平均
$n$ ・・・実測値・予測値の数

■ 二乗平均平方根誤差（RMSE、Root Mean Squared Error）

\sqrt{\frac{1}{n}\sum_{i=1}^n(y_i^{actual}-{y_i^{pred}})^2}

■ 平均絶対誤差（MAE、Mean Absolute Error）

\frac{1}{n}\sum_{i=1}^n|y_i^{actual}-{y_i^{pred}}|

■ 平均絶対パーセント誤差（MAPE、Mean absolute percentage error）

\frac{1}{n}\sum_{i=1}^n|\frac{y_i^{actual}-{y_i^{pred}}}{y_i^{actual}}|

必要なライブラリーの読み込み

先ずは、必要なライブラリー一式を読み込みます。

以下、コードです。

# ライブラリーの読み込み
import numpy as np
import pandas as pd
from autots import AutoTS
from autots.tools.shaping import simple_train_test_split
from sklearn.metrics import mean_absolute_error
from statistics import mean 
from matplotlib import pyplot as plt

# グラフのスタイルとサイズ
plt.style.use('ggplot')
plt.rcParams['figure.figsize'] = [12, 9]

Australian wine sales（オーストラリアのワイン販売量）

Australian wine sales｜データセットの読み込み

Australian wine sales（オーストラリアのワイン販売量）は、1980年1月から1994年8月までのオーストラリアのワインメーカーによるワイン販売を記録した月単位のデータです。

先ず、データセットを読み込みます。

以下、コードです。

# データの読み込み
url = 'https://www.salesanalytics.co.jp/l6p7'
df = pd.read_csv(url)
df.columns = ["Month","Sales"]
df #読み込んだデータセットの確認

以下、実行結果です。

Australian wine sales｜学習データとテストデータに分割

予測モデルを構築する学習データと、構築した予測モデルを検証するためのテストデータに分割します。

時系列データですので、ある時期を境に2つのデータに分割します。

今回は、新しい12ヶ月（1年間）のデータをテストデータとし、その前のデータを学習データとします。

では、データを分割します。以下、コードです。

# データセットの分割（学習データとテストデータ）
train_df, test_df = simple_train_test_split(df,forecast_length=12)

読み込んだデータセットをグラフで確認してみます。

以下、コードです。

# データをグラフで確認
train_df.Sales.plot(fontsize=14, label='Train')
test_df.Sales.plot(fontsize=14, label='Test')
plt.legend()
plt.grid()
plt.show()

以下、実行結果です。

Australian wine sales｜予測モデルの自動構築

学習データ（train_df）を使い、予測モデルを自動構築します。

以下、コードです。

# AutoML設定
model = AutoTS(
    forecast_length=12,
    frequency='infer',
    model_list='fast_parallel',
    ensemble='all',
    max_generations=9,
    num_validations=10,
    n_jobs='auto'
)

# 学習
model = model.fit(
    train_df,
    date_col='Month',
    value_col='Sales'
)

AutoML（自動機械学習）の最良モデルを表示します。

以下、コードです。

# 最適モデルの表示
model

以下、実行結果です。

構築したモデルを使い予測をします。

以下、コードです。

# 予測
prediction = model.predict()
prediction.forecast #予測結果の確認

以下、実行結果です。

構築したモデルをテストデータ（test_df）を使い精度評価します。

以下、コードです。

# 予測値と実測値
preds = prediction.forecast.Sales.to_numpy() #予測値
test = test_df.Sales.to_numpy()              #実測値

# 予測精度
rmse = mean((test - preds)**2)**.5
mae = mean_absolute_error(test, preds)
mape = mean(abs(test - preds)/test)*100
print('RMSE:')
print(rmse)
print('MAE:')
print(mae) 
print('MAPE(%):')
print(mape)

# 予測値グラフ
x_axis = range(len(test))
plt.plot(x_axis,test,label="actual",color='#1e90ff', linestyle='dotted') 
plt.plot(x_axis,preds, label='forecast',color='#000080')
plt.legend()
plt.show()

以下、実行結果です。

学習データ（train）の期間も含めグラフ化してみます。

以下、コードです。

# グラフ（学習データとテストデータ、予測結果）
x_axis = np.arange(len(df))
plt.plot(x_axis[:len(train_df)],train_df.Sales,color='#1e90ff',label="actual")
plt.plot(x_axis[len(train_df):],test,color='#1e90ff', linestyle='dotted')
plt.plot(x_axis[len(train_df):],preds, label='forecast',color='#000080')
plt.legend()
plt.show()

以下、実行結果です。

Australian wine sales｜予測精度比較

「Python ThymeBoost でさくっと勾配ブーステッド時系列モデル（A Gradient Boosted Time-Series Model）を作ろう！」で、作った以下の4つの予測モデルと比較します。

ARIMAモデル
Prophetモデル
ThymeBoostモデル
ThymeBoost（ARIMA）モデル

以下、今回のAutoTSを含めた5つのモデルの予測精度です。

	RMSE	MAE	MAPE(%)
AutoTS	2,679	2,108	9.60%
ARIMA	4,139	3,177	15.19%
Prophet	2,734	2,429	10.49%
ThymeBoost	5,896	4,590	21.11%
ThymeBoost（ARIMA）	2,631	2,133	9.49%

Airline Passengers（飛行機乗客数）

Airline Passengers｜データセットの読み込み

Airline Passengers（飛行機乗客数）は、1949年から1960年までの国際航空旅客の月単位のデータです。

先ず、データセットを読み込みます。

以下、コードです。

# データの読み込み
url = 'https://raw.githubusercontent.com/tblume1992/ThymeBoost/main/ThymeBoost/Datasets/AirPassengers.csv'
df = pd.read_csv(url)
df.columns = ["Month","Passengers"]
df #読み込んだデータセットの確認

以下、実行結果です。

Airline Passengers｜学習データとテストデータに分割

予測モデルを構築する学習データと、構築した予測モデルを検証するためのテストデータに分割します。

時系列データですので、ある時期を境に2つのデータに分割します。

今回は、新しい12ヶ月（1年間）のデータをテストデータとし、その前のデータを学習データとします。

では、データを分割します。以下、コードです。

# データセットの分割（学習データとテストデータ）
train_df, test_df = simple_train_test_split(df,forecast_length=12)

読み込んだデータセットをグラフで確認してみます。

以下、コードです。

# データをグラフで確認
train_df.Passengers.plot(fontsize=14, label='Train')
test_df.Passengers.plot(fontsize=14, label='Test')
plt.legend()
plt.grid()
plt.show()

以下、実行結果です。

Airline Passengers｜予測モデルの自動構築

学習データ（train_df）を使い、予測モデルを自動構築します。

以下、コードです。

# AutoML設定
model = AutoTS(
    forecast_length=12,
    frequency='infer',
    model_list='fast_parallel',
    ensemble='all',
    max_generations=9,
    num_validations=10,
    n_jobs='auto'
)

# 学習
model = model.fit(
    train_df,
    date_col='Month',
    value_col='Passengers'
)

AutoML（自動機械学習）の最良モデルを表示します。

以下、コードです。

# 最適モデルの表示
model

以下、実行結果です。

構築したモデルを使い予測をします。

以下、コードです。

# 予測
prediction = model.predict()
prediction.forecast #予測結果の確認

以下、実行結果です。

構築したモデルをテストデータ（test_df）を使い精度評価します。

以下、コードです。

# 予測値と実測値
preds = prediction.forecast.Passengers.to_numpy() #予測値
test = test_df.Passengers.to_numpy()              #実測値

# 予測精度
rmse = mean((test - preds)**2)**.5
mae = mean_absolute_error(test, preds)
mape = mean(abs(test - preds)/test)*100
print('RMSE:')
print(rmse)
print('MAE:')
print(mae) 
print('MAPE(%):')
print(mape)

# 予測値グラフ
x_axis = range(len(test))
plt.plot(x_axis,test,label="actual",color='#1e90ff', linestyle='dotted') 
plt.plot(x_axis,preds, label='forecast',color='#000080')
plt.legend()
plt.show()

以下、実行結果です。

学習データ（train）の期間も含めグラフ化してみます。

以下、コードです。

# グラフ（学習データとテストデータ、予測結果）
x_axis = np.arange(len(df))
plt.plot(x_axis[:len(train_df)],train_df.Passengers,color='#1e90ff',label="actual")
plt.plot(x_axis[len(train_df):],test,color='#1e90ff', linestyle='dotted')
plt.plot(x_axis[len(train_df):],preds, label='forecast',color='#000080')
plt.legend()
plt.show()

以下、実行結果です。