用随机游动生成时间序列的合成数据

发布人：数据派THU 时间：2021-09-19 来源：工程师发布文章

来源：DeepHub IMBA

随机游走是随机过程。它们由数学空间中的许多步骤组成。最常见的随机游走从值 0 开始，然后每一步都以相等的概率加或减 1。

随机游走可用于为不同的机器学习应用程序生成合成数据。例如当没有可用信息或没有实时数据可用时，具有随机游走的合成数据可以近似实际数据。

这篇文章利用一维随机游走为时间序列算法生成数据。

生成数据

在创建和测试时间序列模型时，以随机数据为基准测试模型是有益的。随机游走可以模拟库存、产能利用率甚至粒子运动的趋势。

通过每一步概率的调整，行为被添加到随机游走中。此外，这些游走被修改为具有不同的步长，以产生更大或更小的波动。

在 Pandas 中使用“date_range”函数快速生成时间序列数据。下面是一个示例，它为 2019 年每天生成一个具有一个随机值的df。

 import pandas as pd
 import numpy as np
 import matplotlib.pyplot as plt
 import random
 DATE_START = '2019-01-01'
 DATE_END = '2019-12-31'
 dates = pd.date_range(DATE_START, DATE_END)
 df = pd.DataFrame({
    'date': dates,
    'value': np.random.normal(0,1,dates.size)
 })
 df.set_index('date', inplace=True)
 plt.plot(df['value'])
 plt.ylabel('Value')
 plt.xlabel('Date')
 plt.title('Random Values')
 plt.show()

随机游走

虽然此处的数据可用于时间序列模型，但看不到任何模式。由于实际数据包含与先前点的紧急模式关系，因此需要改进合成数据。随机游走是生成一些逼真行为的可行解决方案。在 Pandas 中创建随机游走需要遍历df的每一行。步行中的每一步都取决于上一步。

下面是生成随机游走的代码。第一个“previous_value”作为步行的起点。接下来，步长设置为 1。最后，“阈值”将正向或负向行走的概率设置为 50%。

此外，随机游走受到最小值和最大值的限制。对于许多数据集，例如股****价值，这些值都是严格的正数。

随机游走的图是用‘matplotlib’生成的。

 def random_walk(
    df, start_value=0, threshold=0.5,
    step_size=1, min_value=-np.inf, max_value=np.inf
 ):
    previous_value = start_value
    for index, row in df.iterrows():
        if previous_value < min_value:
            previous_value = min_value
        if previous_value > max_value:
            previous_value = max_value
        probability = random.random()
        if probability >= threshold:
            df.loc[index, 'value'] = previous_value + step_size
        else:
            df.loc[index, 'value'] = previous_value - step_size
        previous_value = df.loc[index, 'value']
    return df