提到AI，大家接触最多的是图片识别、文字聊天这些。其实还有一类领域，大众不怎么知道，那就是时间序列。
一、时间序列
时间序列简称“时序”，顾名思义，就是依照时间顺序列举数据。它和时间有比较强的依赖关系。比如气温，春夏秋冬一年四季，随着时间的推移它具有周期性。夏天气温会越来越高，在某个时段它有稳定的趋势性。有时候，某个夏天会来个台风，气温会骤降，它也具有随机扰动的不确定性。
对于这类时间序列的研究，除了天气预报，还广泛应用在各行各业。比如金融领域的预测，股票的价格会随着时间波动，它也具有周期性、随机扰动性。比如医疗领域的异常判断，心电图的波形数据会随着时间而变化，如果出现不对应的情况，可以判断是否异常。比如工业领域，机器的振动会随着时间而变化，可以根据这个判断生产是否正常。甚至水电公司还会根据高龄住户哪天突然不用水或者一直不关水，推断出是否发生意外情况。这都是时间序列的典型应用。
不知不觉，我向你渗透了时序的特点：时间依赖性、趋势性、周期性、随机扰动性，分析任务：预测、异常检测、分类和聚类。以及应用领域，比如销售预测、欺诈识别、行为分类等。看，知识就是这么悄无声息地传递了。
二、时序的预测
下面我们实践一下，看看如何用简单的代码实现一些时序类的项目。另外，也探索一下时序领域都有哪些难点。
我这里有个图，是这样的。
其实它的本质是一组数据，内容是每隔一个小时采集一次的压力值，只是用图的形式展示了出来。
那么现在我问你，随着时间推移，后面的数据可能会是怎样的？
我们用眼看，以我们的认知，感觉它是有趋势和规律的。它是一个周期性的波动。但是，如何让程序识别出这个规律并做出预测呢？
本文属于浅层科普，就直接用框架了。咱们选用百度的PaddleX框架，这是一个低代码平台，支持用统一的命令实现不同的功能。
不管是图像分类还是时序预测，都可以用PaddleX完成，而且代码都一样。
首先，你需要准备一个python 3.8（3.8~3.10都可以）的环境，然后执行以下命令：
# 安装 paddlepaddle
python -m pip install paddlepaddle==3.0.0b2 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/
# 安装 paddlex
pip install https://paddle-model-ecology.bj.bcebos.com/paddlex/whl/paddlex-3.0.0b2-py3-none-any.whl
然后把你的数据拿过来，交给PaddleX，让它来研究并预测。
from paddlex import create_pipeline
# 构建一个时序预测的管道
pipeline = create_pipeline(pipeline="ts_fc")
# 加载数据，让其预测
output = pipeline.predict("test.csv")
for res in output:
res.print() # 打印预测的结构化输出
res.save_to_csv("./output/") # 保存csv格式结果
代码就是这点，如果你愿意用命令行的话，更简单，一句就够了：
paddlex --pipeline ts_fc --input test.csv --save_path ./output
ts_fc代表是时序预测类型，test.csv是输入的数据文件，./output是输出路径。
运行一下。此时我们会从控制台看到预测的结果，并在output文件夹下存了一份csv格式的结果文件。
Using official …… downloaded and saved in .paddlex\official_models.
Connecting to https://paddle-model……paddle3.0b2/DLinear_infer.tar ...
Downloading DLinear_infer.tar ...
[=========================] 100.00%
Extracting DLinear_infer.tar
[=========================] 100.00%
2024-11-22 00:00:00 9.125996
2024-11-22 01:00:00 8.423722
...
2024-11-25 23:00:00 8.621673
[96 rows x 1 columns]
The result has been saved in output\test.csv.
将这些数据绘制出来，结果是这样的。
这说明，算法已经识别出了这个周期性的波动，并正确预测出了未来的数据。
三、时序异常检测
如果是异常数据检测，该怎么实现呢？自己写肯定很复杂，用工具很方便。还是那几句代码，只不过换一个参数。
from paddlex import create_pipeline
# 构建一个时序预测的管道
pipeline = create_pipeline(pipeline="ts_ad")
# 加载数据，让其预测
output = pipeline.predict("test.csv")
for res in output:
res.print() # 打印预测的结构化输出
res.save_to_csv("./output/") # 保存csv格式结果
ts_ad代表是时序异常检测的类型。具体有哪些类似，不是我说的，人家是PaddleX的作者指定的。
| 产线名称 | 对应参数 |
|---|---|
| 通用OCR | OCR |
| …… | …… |
| 时序预测 | ts_fc |
| 时序异常检测 | ts_ad |
| 时序分类 | ts_cls |
将数据绘制出来，结果是这样的。
从图中我们可以看出，标记红色的那几段，确实有些异常。温度有起伏可以理解，但是很少有骤变的情况。这说明算法对异常的判断还是可以的。
常规习惯里的不正常的行为，就是异常。比如在金融风控中，你这十几年网购都是三十、五十的花钱，突然有一天要支付五万，这很可能是异常情况，平台怎么也得拦一下，加一重验证。
四、时序分类
还有一个时序分类的例子。常见的比如说你身上有一个传感器，它采集你的心率或者加速度。它可以结合你的时序数据，判断你在干什么。
代码或者命令都是一样的，只是参数不同而已。时序分类的参数是ts_cls。
paddlex --pipeline ts_fc --input test.csv --save_path ./output
我们可以分类出这个时序数据是立正。
这个时序数据是跑步。
这个时序数据是打羽毛球。
按照常规理解，猛地动一下然后保持静止就是立正，规律性地一窜一窜就是跑步，而打羽毛球就是一窜一窜而后突然发力。
其实时序还有一项应用，PaddleX没有列出，很冷门，那就是降维，英文叫Dimensionality Reduction。它研究简化时间序列数据，提取重要特征。
比如你有一组成功人士的时序数据，记录了他从小到大的方方面面。那么，哪些数据是它成功的关键因素呢？是每天早上六点起床，还是他喜欢吃洋葱，或者是每个周五的时候出门喜欢先迈左脚。通过时序降维，只保留最重要的特征。
刚刚提到了一个词，叫“特征”。我们刚才进行时序处理的时候，传给模型的每一条数据都包含特征数据，比如设备的温度、传感器检测到的心率。
有的只有一个特征，有的存在多个特征。下面，我们就来分析下数据的特征。
五、特征工程
特征的选取和构建叫特征工程。好的特征工程，可以让你的时序分析模型更准确、更有价值。
比如说员工的时序信息，有的员工下班走的很晚。很多人都走的晚，这分析不出来啥。但是如果加入一个部门信息作为特征，就有价值了。为啥他的部门就他走的晚？是他们部门把活都压给他了，还是他一直没有进入状态，或者利用公司的设备干自己的事情？嗯，这是一个异常信号！
就拿最常见的天气预测来说，我们可以用温度、湿度、气压、风向等数据，来预测天气。
幸好，有个外国人专门研究天气。他从2003年开始，每隔10分钟就记录一次当地的天气。他将这些数据提供给公众做研究。其中2009年至2016年之间的420551条数据，经常被深度学习拿来用做教学。这次，我们也用它作为示例。
数据的构成是这样的。
| 字段 | 单位和含义 |
|---|---|
| Date Time | 日期和时间（时间戳） |
| p (mbar) | 气压（毫巴） |
| T (degC) | 气温（摄氏度） |
| Tpot (K) | 位温（开尔文） |
| Tdew (degC) | 露点温度（摄氏度） |
| rh (%) | 相对湿度（百分比） |
| VPmax (mbar) | 最大水汽压（毫巴） |
| VPact (mbar) | 实际水汽压（毫巴） |
| VPdef (mbar) | 水汽压亏缺（毫巴） |
| sh (g/kg) | 比湿（克每千克） |
| H2OC (mmol/mol) | 水汽浓度（毫摩尔每摩尔） |
| rho (g/m³) | 空气密度（克每立方米） |
| wv (m/s) | 风速（米每秒） |
| max. wv (m/s) | 最大风速（米每秒） |
| wd (deg) | 风向（度，表示风的方向） |
我们绘制一下这8年间的它的温度、气压和空气密度的曲线，结果是这样的。
可以看出，总体上很规律。每年高了低，低了高，总体围绕着平均值浮动。这说明，这几年的天气，都是这样的。
但是，我们选取2009的1月份前20天的数据，又发现每天高低起伏，毫无规律可言。
这像极了我们的人生，从生到死都一样，但每人每天的活法又不一样。
这确实是真实的数据。好像数据很全了，也很正规，把它交给算法去分析，然后预测，可以吗？
新手可以，老手不行。新手的产物叫作品，是学习用的。老手的产物叫产品，是要实际应用的。
前面我们说了，时序数据是周期性、趋势化的。我们的特征值输入，最终会对周期性结果有影响。
如果时间是时间戳，作为特征参数就不合格。不仅没有用，可能还起反作用。比如温度是每年循环的，-15℃到15℃, 15℃到-15℃。但是时间戳是自增长的，从1增长到10000，这会导致输入和输出形成不了关系。
这种情况怎么办呢？如何做到一个值不断变大，另一个值还能循环往复呢？正余弦啊！
看，有意思吧。你就是涨到无穷大，数值也是限定在一定范围内。
另外，我们看有关风的特征。
| wv 风速 | max_wv 最大风速 | wd 风向 |
|---|---|---|
| 1.03 | 1.75 | 152.3 |
| 0.72 | 1.5 | 136.1 |
| 0.19 | 0.63 | 171.6 |
| 0.34 | 0.5 | 198 |
| 0.32 | 0.63 | 214.3 |
| 0.21 | 0.63 | 192.7 |
发现什么没有？风向的单位是角度。角度不是一个很好的模型输入，因为360°和0°是差不多的，但他们从数值上却是一个最大、一个最小。输入值为最大和最小，结果却是一样，这也会让模型迷惑不已。
而且，如果无风状态下，角度是没有意义的。你想啊，都没有刮风，哪有风向啊。因此，将风这个特征，变成向量是很合适的。
wd_rad = wd * np.pi / 180
Wx = wv*np.cos(wd_rad)
Wy = wv*np.sin(wd_rad)
maxWx = max_wv*np.cos(wd_rad)
maxWy = max_wv*np.sin(wd_rad)
通过上一步转换，就将风速、最大风速、风向这三个独立列转为了带有方向的向量：往哪个方向吹的多少级风！
另外还有一个重要的特征处理，那就是归一化。
归一化，就是把数据变成0到1之间的数。上面的天气数据，不管是气温35°C，还是风向273度，这都是记录者的原始数据。但是，这并不利于模型训练。举个例子，气压值能从100变到1000，但是相对湿度（百分比为单位）那里最大变化也超不过1。这就好比富人拿出100万不算什么，但是穷人掏出1000也很难。模型又是对数据敏感的，肯定就把数值小的忽略了。因此，要做一个归一化，将大家打成同一个起跑线。
这就是为什么，你学习算法到训练步骤时，训练数据就变成了奇奇怪怪地看不懂的小数了。而归一化的策略，也有很多种，具体还需要看具体情况。
因此，不管是整理特征工程，还是归一化数据，都需要算法工程师对输入数据有深入的理解。这也是一个难点。
当然，现在慢慢地有了大模型，它也会帮忙做一些工作。甚至有些算法可以做到自监督学习或者无监督学习。
个人认为，时间序列的自主学习，虽然不依赖人工标注，然而效率却不一定高。首先评估就是一个很麻烦的事情。你怎么判断它学会了，又怎么判断它没学会呢？让用户用着看呗，看得过程中，再反馈。
好了，以上就是对时间序列的简单介绍。我没有资格教任何人，咱就当是聊聊天。
我是TF男孩，一个爱闲聊的小孩。
