0、我在干什么？

我在预测一个名字叫做elborn基站的下行链路流量，用过去29天的数据预测未来10天的数据

1、import libararies

一般必须都要导入的库有

• import pandas as pd : data processing, like pd.read.csv…
• import numpy as np ：线性代数
• import matplotlib.pyplot as plt ：画图

import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv)
import numpy as np  # linear algebra
import warnings
warnings.filterwarnings('ignore') # 忽略警告信息
import matplotlib.pyplot as plt

2、加载数据load data

对csv数据使用pandas.read_csv函数读取
一些参数：

• filepath_or_buffer: 文件路径或缓冲区。可以是本地文件路径，也可以是文件对象、URL等
• header: 列名索引。指定数据文件中列名的索引。默认为None，表示没有列名。取值可以是整数，表示第几行为列名；也可以是None，表示自动检测列名；还可以是列表，表示指定列名的位置。
• na_values: 缺失值。指定用于替换缺失值的字符或列表。默认为[‘NA’, ‘null’, ‘NaN’]。
• index_col: 索引列。指定数据文件中用于索引的列。默认为None，表示没有索引列。取值可以是整数，表示第几列用于索引；也可以是列名，表示指定列用于索引。
• sep: 分隔符。用于分隔数据行的字段。默认为逗号,。
• delimiter: 分隔符。与sep类似，但它是更通用的参数，可以用于其他类型的分隔符，如制表符\t等。

elborn_df = pd.read_csv('dataset/ElBorn.csv')
elborn_test_df = pd.read_csv('dataset/ElBorn_test.csv')

3、独家观察数据函数 💓

💥basic_eda💥

• 前五行
• 显示DataFrame的详细信息，包括列名、数据类型、缺失值
• 显示DataFrame的统计摘要信息，包括每列的平均值、标准差、最小值、最大值等
• 显示列名
• 各列的数据类型
• 是否有缺失值
• 是否有NULL值
• 数据的形状

def basic_eda(df):
    print("-------------------------------TOP 5 RECORDS-----------------------------")
    print(df.head(5))
    print("-------------------------------INFO--------------------------------------")
    print(df.info())
    print("-------------------------------Describe----------------------------------")
    print(df.describe())
    print("-------------------------------Columns-----------------------------------")
    print(df.columns)
    print("-------------------------------Data Types--------------------------------")
    print(df.dtypes)
    print("----------------------------Missing Values-------------------------------")
    print(df.isnull().sum())
    print("----------------------------NULL values----------------------------------")
    print(df.isna().sum())
    print("--------------------------Shape Of Data---------------------------------")
    print(df.shape)
    print("============================================================================ \n")
basic_eda(elborn_df)
basic_eda(elborn_test_df)

然后画图看一下💥

# 我现在想把elborn_df画出来，横坐标是时间，纵坐标是down，并且横坐标的标签要旋转45度书写
plt.plot(elborn_df.index, elborn_df.down)
plt.xlabel('Time')
plt.ylabel('Down')
plt.title('Down')
# 我想把横坐标的日期标签旋转45
plt.xticks(rotation=45)

在这里面的Python小知识总结（纯小白哈🌸）

• DataFrame.index：将得到DataFrame的索引（日期），作为Series对象
  • 如果DataFrame的index是整数，则返回一个从0开始的整数序列
  • 0 0
    1 1
    2 2
    3 3
    4 4
    5 5
    6 6
    7 7
    8 8
    9 9
    Name: index, dtype: int64
• plt.plot()：绘制折线的基本函数
  以下是一些参数
  • x： x轴数据，可以是列表、元组、NumPy数组等。
  • y： y轴数据，可以是列表、元组、NumPy数组等。
  • fmt： 折线图的样式和颜色。
    • 例如，'ro-'表示红色圆圈加短横线，
    • 'b–'表示蓝色虚线。
  • label：为折线图添加一个标签，可以在plt.legend()函数中使用该标签（用于显示图例）。
  • linewidth: 折线图的宽度。
  • color: 折线图的颜色。
  • marker: 折线图的标记形状，例如圆圈、叉号等。
  • markeredgecolor: 标记的边缘颜色。
  • markerfacecolor: 标记的填充颜色。
  • markevery: 标记的间隔，例如每隔10个数据点标记一次。
• plt.xticks(rotation=45)：设置x轴刻度标签的位置和显示方式

4、数据预处理pre-processing

（1）将时间戳转换为一个日期时间索引

elborn_df.set_index(pd.DatetimeIndex(elborn_df["time"]), inplace=True)
elborn_df.drop(["time"], axis=1, inplace=True)

（2）填充所有缺失的值

不填充的话后续fit模型的时候会出现loss全部为NAN的情况

elborn_df.down.fillna(elborn_df.down.mean(), inplace=True)
print(elborn_df.isna().sum())

（3）将时间序列数据转换成监督学习数据

在训练监督学习（深度学习）模型前，要把time series数据转化成samples的形式
那什么是sample？有一个输入组件$X$和一个输出组件$y$
深度学习模型就是一个映射函数：$y=f(X)$
对于一个单变量的one-step预测：输入组件就是前一个时间步的滞后数据，输出组件就是当前时间步的数据，如下：
X, y
[1, 2, 3], [4]
[2, 3, 4], [5]
[3, 4, 5], [6]
…
这里就是手动转换啦，之前写过使用TimeseriesGenerator自动转换的方法，看看对比

手动转换

def series_to_supervised(data, window=3, lag=1, dropnan=True):
    cols, names = list(), list()
    # Input sequence (t-n, ... t-1)
    for i in range(window, 0, -1):
        cols.append(data.shift(i))
        names += [('%s(t-%d)' % (col, i)) for col in data.columns]
    # Current timestep (t=0)
    cols.append(data)
    names += [('%s(t)' % (col)) for col in data.columns]
    # Target timestep (t=lag)
    cols.append(data.shift(-lag))
    names += [('%s(t+%d)' % (col, lag)) for col in data.columns]
    # Put it all together
    agg = pd.concat(cols, axis=1)
    agg.columns = names
    return agg
window =29
lag = 10
elborn_df_supervised = series_to_supervised(elborn_df, window, lag)

（4）数据集划分（split）为训练集和验证集

• 训练集和测试集的区别

  • 使用验证集是为了快速调参，也就是用验证集选择超参数（网络层数，网络节点数，迭代次数，学习率这些）。另外用验证集还可以监控模型是否异常（过拟合啦什么的），然后决定是不是要提前停止训练。
  • 验证集的关键在于选择超参数，我们手动调参是为了让模型在验证集上的表现越来越好，如果把测试集作为验证集，调参去拟合测试集，就有点像作弊了。
  • 而测试集既不参与参数的学习过程，也不参与参数的选择过程，仅仅用于模型评价。

• 训练集在建模过程中会被大量经常使用，验证集用于对模型少量偶尔的调整，而测试集只作为最终模型的评价出现，因此训练集，验证集和测试集所需的数据量也是不一致的，在数据量不是特别大的情况下一般遵循6:2:2的划分比例

• 为了使模型“训练”效果能合理泛化至“测试”效果，从而推广应用至现实世界中，因此一般要求训练集，验证集和测试集数据分布近似。但需要注意，三个数据集所用数据是不同的。

from sklearn.model_selection import train_test_split
label_name = 'down(t+%d)' % (lag)
label = elborn_df_supervised[label_name]
elborn_df_supervised = elborn_df_supervised.drop(label_name, axis=1)
X_train, X_valid, Y_train, Y_valid = train_test_split(elborn_df_supervised, label, test_size=0.4, random_state=0)
print('Train set shape', X_train.shape)
print('Validation set shape', X_valid.shape)

4、创建MLP模型

（1）设置超参数

epochs = 40
batch = 256
lr = 0.0003
adam = optimizers.Adam(lr)

（2）创建模型（keras）

model_mlp = Sequential()
model_mlp.add(Dense(100, activation='relu', input_dim=X_train.shape[1]))
model_mlp.add(Dense(1))
model_mlp.compile(loss='mse', optimizer=adam)
model_mlp.summary()

（3）训练模型

mlp_hitstory = model_mlp.fit(X_train.values, Y_train, epochs=epochs, batch_size=batch, validation_data=(X_valid.values, Y_valid), verbose=2)

（4）画随epoch变化的loss图

# 画图，横坐标是epochs，纵坐标是loss，分别画出train loss和validation loss
import matplotlib.pyplot as plt

plt.plot(mlp_hitstory.history['loss'])
plt.plot(mlp_hitstory.history['val_loss'])
plt.title('model loss')
plt.ylabel('loss')
plt.xlabel('epoch')
plt.legend(['train', 'validation'], loc='upper left')
plt.show()

（5）计算预测值和实际值之间的均方误差

from sklearn.metrics import mean_squared_error
mlp_train_pred = model_mlp.predict(X_train.values)
mlp_valid_pred = model_mlp.predict(X_valid.values)
print('Train rmse:', np.sqrt(mean_squared_error(Y_train, mlp_train_pred)))
print('Validation rmse:', np.sqrt(mean_squared_error(Y_valid, mlp_valid_pred)))