当前位置:首页>python>【时间序列机器学习】Python07时间序列支持向量机(Support Vector Machine, SVM)模型拟合及可视化

【时间序列机器学习】Python07时间序列支持向量机(Support Vector Machine, SVM)模型拟合及可视化

  • 2026-09-02 20:30:27
【时间序列机器学习】Python07时间序列支持向量机(Support Vector Machine, SVM)模型拟合及可视化
时间序列机器学习
07时间序列支持向量机(Support Vector Machine, SVM)模型拟合及可视化
R语言(标准化代码)
01
概念、原理、思想、应用

概念:基于结构风险最小化,寻找一个超平面使得数据间隔最大。

原理:通过核函数将数据映射到高维空间,使其线性可分。

思想:最大化间隔,提高泛化能力。

应用:时间序列回归(SVR)和分类。

可视化:拟合曲线,支持向量。

公共卫生意义:适用于小样本数据,可用于疾病分类和预测。

02
操作流程

-数据预处理:

-模型构建:

-训练:

-评估:

-可视化:

-保存结果:

03
代码及操作演示与功能解析

时间序列机器学习模型大致可以分为三类:经典统计模型、传统机器学习模型 和 深度学习模型。

 一、 经典统计模型

这类模型基于序列自身的统计特性(如自相关性、趋势性、季节性)进行建模。

 二、 传统机器学习模型

这类模型将时间序列问题转化为监督学习问题,利用特征工程来捕捉时序模式。

 三、 深度学习模型

这类模型能自动从原始序列数据中学习复杂的时序依赖关系和非线性模式。

时间序列数据的可视化方法

1.  线图: 最基础、最核心的可视化。横轴为时间,纵轴为观测值。用于直观展示趋势、季节性、异常值。

2.  自相关图和偏自相关图:

       ACF: 展示时间序列与其自身各阶滞后之间的相关性。用于识别MA模型的阶数`q`和序列的周期性。

       PACF: 展示在控制中间滞后项后,序列与某阶滞后项之间的纯粹相关性。用于识别AR模型的阶数`p`。

3.  季节图: 将多年的数据按季节周期(如月、周)叠加在一张图上,用于清晰地观察季节性模式以及模式是否随时间变化。

4.  子序列图: 将时间序列分解为多个子序列(如每年的数据),并绘制在同一张图中,便于比较不同周期的模式。

5.  箱线图: 按时间周期(如月份、星期几)对数据进行分组并绘制箱线图,用于观察数据在不同周期内的分布情况(中位数、四分位数、异常值)。

6.  热力图: 常用于展示一天内不同小时、一周内不同天的模式(如网站流量、电力负荷)。

7.  分解图: 将时间序列分解为趋势、季节性 和残差 三个部分,分别进行可视化,帮助我们理解数据的构成。

8.  预测结果对比图: 将历史数据、真实值和模型的预测值绘制在同一张图上,是评估模型性能最直观的方式。

# pip install pandas numpy scikit-learn matplotlib seaborn joblib scipyimport osimport pandas as pdimport numpy as npfrom sklearn.svm import SVRfrom sklearn.model_selection import RandomizedSearchCVfrom sklearn.preprocessing import StandardScalerfrom sklearn.metrics import mean_squared_error, mean_absolute_error, r2_scorefrom sklearn.ensemble import RandomForestRegressorimport matplotlib.pyplot as pltimport seaborn as snsfrom datetime import datetimeimport warningsimport joblibfrom scipy.stats import loguniform, uniformwarnings.filterwarnings('ignore')# 设置中文字体plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'DejaVu Sans']plt.rcParams['axes.unicode_minus'] = Falsedef main():# 获取桌面路径并创建结果文件夹    desktop_path = os.path.join(os.path.expanduser("~"), "Desktop")    data_path = os.path.join(desktop_path, "Results时间", "combined_weather_disease_data.csv")    results_path = os.path.join(desktop_path, "Results时间SVM")# 创建子文件夹    subfolders = ["Models", "Predictions", "Plots", "Feature_Importance","Partial_Dependence", "SVM_Analysis"]for folder in subfolders:        folder_path = os.path.join(results_path, folder)if not os.path.exists(folder_path):            os.makedirs(folder_path)print("开始SVM疾病预测建模...")# 检查数据文件是否存在if not os.path.exists(data_path):print(f"错误: 数据文件不存在于 {data_path}")print("请确保桌面上的 'Results时间XGB' 文件夹中包含 'combined_weather_disease_data.csv' 文件")return# 读取数据    try:print(f"从 {data_path} 读取数据...")        combined_data = pd.read_csv(data_path)        combined_data['timestamp'] = pd.to_datetime(combined_data['timestamp'])print("数据读取成功!")print(f"数据形状: {combined_data.shape}")print(f"数据列名: {list(combined_data.columns)}")    except Exception as e:print(f"读取数据时出错: {e}")return# 选择要建模的疾病    target_diseases = ["influenza", "common_cold", "pneumonia","bacillary_dysentery", "hand_foot_mouth","hemorrhagic_fever"]# 检查目标疾病列是否存在    available_diseases = [disease for disease in target_diseases if disease in combined_data.columns]if not available_diseases:print("错误: 数据中未找到任何目标疾病列")print(f"数据中的列: {list(combined_data.columns)}")returnprint("目标疾病:", ", ".join(available_diseases))    def create_features(data):"""优化的特征工程函数"""        df = data.copy()# 时间特征        df['year'] = df['timestamp'].dt.year        df['month'] = df['timestamp'].dt.month        df['day'] = df['timestamp'].dt.day        df['week'] = df['timestamp'].dt.isocalendar().week        df['day_of_week'] = df['timestamp'].dt.dayofweek + 1        df['quarter'] = df['timestamp'].dt.quarter        df['day_of_year'] = df['timestamp'].dt.dayofyear        df['is_weekend'] = (df['day_of_week'].isin([6, 7])).astype(int)# 季节特征 - 使用更高效的方法        season_map = {            12: 'Winter', 1: 'Winter', 2: 'Winter',            3: 'Spring', 4: 'Spring', 5: 'Spring',            6: 'Summer', 7: 'Summer', 8: 'Summer',            9: 'Fall', 10: 'Fall', 11: 'Fall'        }        df['season'] = df['month'].map(season_map)# 只创建最重要的滞后特征        weather_cols = ['temp_mean', 'humidity_mean']for col in weather_cols:if col in df.columns:# 只保留最重要的滞后值                df[f'{col}_lag7'] = df[col].shift(7)                df[f'{col}_lag30'] = df[col].shift(30)# 滑动窗口特征 - 使用更快的计算方法for col in ['temp_mean', 'humidity_mean']:if col in df.columns:                df[f'{col}_rollmean7'] = df[col].rolling(7, min_periods=1).mean()# 季节性特征        df['sin_day'] = np.sin(2 * np.pi * df['day_of_year'] / 365)        df['cos_day'] = np.cos(2 * np.pi * df['day_of_year'] / 365)# 为每种疾病创建滞后特征 - 只保留最重要的for disease in available_diseases:if disease in df.columns:                df[f'{disease}_lag7'] = df[disease].shift(7)                df[f'{disease}_rollmean7'] = df[disease].rolling(7, min_periods=1).mean()# 移除由于滞后产生的NA        df = df.dropna()return df# 应用特征工程print("正在进行特征工程...")    featured_data = create_features(combined_data)print(f"特征工程后数据形状: {featured_data.shape}")# 定义基础特征 - 精简特征集    base_features = [# 气象特征"temp_max", "temp_min", "temp_mean","humidity_max", "humidity_min", "humidity_mean","wind_mean", "pressure_mean", "precipitation_total", "sunshine_hours",# 时间特征"year", "month", "week", "day_of_week", "day_of_year","is_weekend", "quarter",# 气象滞后特征"temp_mean_lag7", "temp_mean_lag30","humidity_mean_lag7", "humidity_mean_lag30",# 滑动窗口特征"temp_mean_rollmean7", "humidity_mean_rollmean7",# 季节性特征"sin_day", "cos_day"    ]# 只保留实际存在的特征    base_features = [f for f in base_features if f in featured_data.columns]print(f"可用基础特征数量: {len(base_features)}")# 存储结果    results_summary = []    predictions_list = {}    models_list = {}    feature_importance_list = {}# 对每种疾病进行建模for disease in available_diseases:if disease not in featured_data.columns:print(f"跳过疾病 {disease},数据中不存在该列")continueprint(f"\n正在处理疾病: {disease}")# 添加该疾病的滞后特征        disease_specific_features = base_features + [            f"{disease}_lag7", f"{disease}_rollmean7"        ]# 只保留存在的特征        available_features = [f for f in disease_specific_features if f in featured_data.columns]        available_features.append(disease)# 创建完整数据集        model_data = featured_data[available_features].copy()        model_data = model_data.dropna()if len(model_data) == 0:print(f"  数据不足,跳过疾病 {disease}")continue# 划分训练集和测试集        train_data = model_data[model_data['year'] < 2016]        test_data = model_data[model_data['year'] >= 2016]print(f"  训练集大小: {len(train_data)}, 测试集大小: {len(test_data)}")if len(train_data) == 0 or len(test_data) == 0:print(f"  数据不足,跳过疾病 {disease}")continue# 准备特征矩阵和目标向量        X_train = train_data.drop(columns=[disease])        y_train = train_data[disease]        X_test = test_data.drop(columns=[disease])        y_test = test_data[disease]# 数据标准化(SVM对特征尺度敏感)        scaler = StandardScaler()        X_train_scaled = scaler.fit_transform(X_train)        X_test_scaled = scaler.transform(X_test)
# 使用最佳参数训练最终模型        best_svr = random_search.best_estimator_# 预测        train_pred = best_svr.predict(X_train_scaled)        test_pred = best_svr.predict(X_test_scaled)# 计算评估指标        train_rmse = np.sqrt(mean_squared_error(y_train, train_pred))        test_rmse = np.sqrt(mean_squared_error(y_test, test_pred))        train_mae = mean_absolute_error(y_train, train_pred)        test_mae = mean_absolute_error(y_test, test_pred)        train_r2 = r2_score(y_train, train_pred)        test_r2 = r2_score(y_test, test_pred)# 存储结果        disease_results = {'Disease': disease,'Train_Size': len(train_data),'Test_Size': len(test_data),'Train_RMSE': train_rmse,'Test_RMSE': test_rmse,'Train_MAE': train_mae,'Test_MAE': test_mae,'Train_R2': train_r2,'Test_R2': test_r2,'SVM_Cost': random_search.best_params_['C'],'SVM_Gamma': random_search.best_params_['gamma'],'SVM_Epsilon': random_search.best_params_['epsilon']        }        results_summary.append(disease_results)# 存储预测结果        test_dates = featured_data.loc[            test_data.index, 'timestamp'] if'timestamp'in featured_data.columns else test_data.index        pred_df = pd.DataFrame({'Date': test_dates,'Actual': y_test.values,'Predicted': test_pred,'Disease': disease        })        predictions_list[disease] = pred_df# 存储模型        models_list[disease] = {'model': best_svr,'scaler': scaler,'features': X_train.columns.tolist(),'best_params': random_search.best_params_        }# 使用更快的特征重要性计算方法print("  计算特征重要性...")# 使用更少的树和并行计算        rf_model = RandomForestRegressor(            n_estimators=50,  # 减少树的数量            random_state=42,            n_jobs=-1,  # 使用所有CPU核心            max_features='sqrt'# 减少特征考虑数量        )        rf_model.fit(X_train, y_train)        importance_df = pd.DataFrame({'Feature': X_train.columns,'Importance': rf_model.feature_importances_        }).sort_values('Importance', ascending=False)        feature_importance_list[disease] = importance_df# 并行保存特征重要性数据        importance_df.to_csv(os.path.join(results_path, f'Feature_Importance/{disease}_Feature_Importance.csv'),                             index=False)# 只生成最重要的可视化图表        try:
# 1. 预测结果对比图            plt.figure(figsize=(12, 6))            plt.plot(pred_df['Date'], pred_df['Actual'], label='真实值', linewidth=1, color='blue')            plt.plot(pred_df['Date'], pred_df['Predicted'], label='预测值', linewidth=1, linestyle='--', color='red')            plt.title(f'{disease} SVM预测结果对比\n测试集R² = {test_r2:.3f}, RMSE = {test_rmse:.1f}')            plt.xlabel('日期')            plt.ylabel('病例数')            plt.legend()            plt.xticks(rotation=45)            plt.tight_layout()            plt.savefig(os.path.join(results_path, f'Plots/{disease}_SVM_Results_Comparison.png'), dpi=150)  # 降低DPI            plt.close()
# 2. 特征重要性图 (只显示前10个)            plt.figure(figsize=(10, 6))            top_features = importance_df.head(10)  # 只显示前10个            plt.barh(top_features['Feature'], top_features['Importance'])            plt.title(f'{disease} 特征重要性 (前10)')            plt.xlabel('重要性')            plt.tight_layout()            plt.savefig(os.path.join(results_path, f'Plots/{disease}_Feature_Importance.png'), dpi=150)            plt.close()        except Exception as e:print(f"  可视化图表生成失败: {e}")print(f"  {disease} 建模完成")# 保存总体结果if results_summary:        results_df = pd.DataFrame(results_summary)        results_df.to_csv(os.path.join(results_path, "Model_Performance_Summary.csv"), index=False)# 保存预测结果        all_predictions = pd.concat(predictions_list.values(), ignore_index=True)        all_predictions.to_csv(os.path.join(results_path, "Predictions/All_Disease_Predictions.csv"), index=False)# 只生成关键的可视化图表# 模型性能比较图        plt.figure(figsize=(12, 8))        results_sorted = results_df.sort_values('Test_R2')        colors = plt.cm.RdYlGn((results_sorted['Test_R2'] - results_sorted['Test_R2'].min()) /                               (results_sorted['Test_R2'].max() - results_sorted['Test_R2'].min()))        bars = plt.bar(range(len(results_sorted)), results_sorted['Test_R2'], color=colors, alpha=0.8)        plt.title('SVM模型性能比较 (测试集)')        plt.xlabel('疾病类型')        plt.ylabel('R²')        plt.xticks(range(len(results_sorted)), results_sorted['Disease'], rotation=45)# 添加数值标签for i, bar in enumerate(bars):            height = bar.get_height()            plt.text(bar.get_x() + bar.get_width() / 2., height + 0.01,                     f'{height:.3f}',  # 只显示R²值                     ha='center', va='bottom', fontsize=9)        plt.tight_layout()        plt.savefig(os.path.join(results_path, "Plots/Model_Performance_Comparison.png"), dpi=150)        plt.close()# 批量保存模型for disease, model_info in models_list.items():        joblib.dump(model_info, os.path.join(results_path, f'Models/{disease}_svm_model.pkl'))# 生成最终报告print("\n=== SVM建模完成 ===")print(f"建模疾病数量: {len(models_list)}")print("训练集时间范围: 1981-2015")print("测试集时间范围: 2016-2025")print(f"总特征数量: {len(base_features) + len(available_diseases) * 2}\n")  # 更新特征数量if results_summary:        results_df = pd.DataFrame(results_summary)print("模型性能总结:")print(results_df.to_string(index=False))        best_model = results_df.loc[results_df['Test_R2'].idxmax()]        worst_model = results_df.loc[results_df['Test_R2'].idxmin()]print(f"\n最佳性能模型:")print(f"疾病: {best_model['Disease']}, 测试集R²: {best_model['Test_R2']:.3f}, "              f"RMSE: {best_model['Test_RMSE']:.1f}")print(f"\n最差性能模型:")print(f"疾病: {worst_model['Disease']}, 测试集R²: {worst_model['Test_R2']:.3f}, "              f"RMSE: {worst_model['Test_RMSE']:.1f}")# 计算平均性能        avg_r2 = results_df['Test_R2'].mean()        avg_rmse = results_df['Test_RMSE'].mean()print(f"\n平均性能:")print(f"平均测试集R²: {avg_r2:.3f}")print(f"平均测试集RMSE: {avg_rmse:.1f}")print("\n文件输出:")print(f"1. {results_path}/Model_Performance_Summary.csv - 模型性能汇总")print(f"2. {results_path}/Predictions/All_Disease_Predictions.csv - 所有预测结果")print(f"3. {results_path}/Models/ - 所有训练好的SVM模型")print(f"4. {results_path}/Plots/ - 各种可视化图表")print(f"5. {results_path}/Feature_Importance/ - 特征重要性数据")print(f"\n结果文件夹位置: {results_path}")# 公共卫生意义分析print("\n=== 公共卫生意义分析 ===")print("基于特征工程的SVM模型在疾病预测中的优势:")print("1. 多源数据整合: 能够整合气象数据、时间特征和疾病历史数据")print("2. 非线性关系建模: SVM能够捕捉疾病与影响因素之间的复杂非线性关系")print("3. 泛化能力强: 通过核技巧在高维特征空间中寻找最优分离超平面")print("\n关键发现:")for disease in available_diseases:if disease in feature_importance_list:            top_features = feature_importance_list[disease]['Feature'].head(3).tolist()print(f"- {disease}: 最重要的特征包括 {', '.join(top_features)}")if __name__ == "__main__":    main()

🔍07-时间序列支持向量机(SVM)模型拟合及可视化

概念:支持向量机通过核技巧将时间序列数据映射到高维特征空间,在该空间中寻找最优分离超平面进行预测。

原理:通过最大化间隔的优化目标,结合核函数(如RBF核、多项式核)处理非线性关系,使用ε-不敏感损失函数进行回归预测。

思想:"结构风险最小化",在保证拟合精度的同时最大化模型的泛化能力。

应用:小样本、非线性时间序列预测,如罕见疾病的发病趋势预测。

可视化:

支持向量显示:在特征空间中标识出关键的支持向量

决策边界图:展示模型在高维空间中的分类或回归边界

超参数调优热图:显示不同参数组合下的模型性能

公共卫生意义:在数据有限的公共卫生问题中提供可靠预测,如新发传染病的早期传播预测。

医学统计数据分析分享交流SPSS、R语言、Python、ArcGis、Geoda、GraphPad、数据分析图表制作等心得。承接数据分析,论文返修,医学统计,机器学习,生存分析,空间分析,问卷分析业务。若有投稿和数据分析代做需求,可以直接联系我,谢谢!

!!!可加我粉丝群!!!

“医学统计数据分析”公众号右下角;

找到“联系作者”,

可加我微信,邀请入粉丝群!

【医学统计数据分析】工作室“粉丝群”
01
【临床】粉丝群

有临床流行病学数据分析

如(t检验、方差分析、χ2检验、logistic回归)、

(重复测量方差分析与配对T检验、ROC曲线)、

(非参数检验、生存分析、样本含量估计)、

(筛检试验:灵敏度、特异度、约登指数等计算)、

(绘制柱状图、散点图、小提琴图、列线图等)、

机器学习、深度学习、生存分析

等需求的同仁们,加入【临床】粉丝群。

02
【公卫】粉丝群

疾控,公卫岗位的同仁,可以加一下【公卫】粉丝群,分享生态学研究、空间分析、时间序列、监测数据分析、时空面板技巧等工作科研自动化内容。

03
【生信】粉丝群

有实验室数据分析需求的同仁们,可以加入【生信】粉丝群,交流NCBI(基因序列)、UniProt(蛋白质)、KEGG(通路)、GEO(公共数据集)等公共数据库、基因组学转录组学蛋白组学代谢组学表型组学等数据分析和可视化内容。

或者可扫码直接加微信进群!!!

精品视频课程-“医学统计数据分析”视频号付费合集

在“医学统计数据分析”视频号-付费合集兑换相应课程后,获取课程理论课PPT、代码、基础数据等相关资料,请大家在【医学统计数据分析】公众号右下角,找到“联系作者”,加我微信后打包发送。感谢您的支持!!

最新文章

随机文章