時系列で似た系列を算出することができるクラスタリングライブラリ「tslearn」の特徴とその使い方とは

tslearn 時系列

はじめに

時系列データの分析や処理は、多くの分野で重要な課題です。例えば、金融市場の動向分析、センサーデータの異常検知、音声認識、健康データのモニタリングなど、さまざまな応用があります。これらの時系列データを効果的に扱うためには、似たパターンを見つける技術が不可欠です。今回は、そのような時系列データの類似性計算を簡単に実現できるPythonライブラリ「tslearn」の特徴と使い方について紹介します。

tslearnの特徴

「tslearn」は、時系列データの機械学習をサポートするためのオープンソースライブラリです。以下に、tslearnの主要な特徴を挙げます。

  1. 多様な距離計算方法:
    • ユークリッド距離、ダイナミックタイムワーピング(DTW)、ソフトDTWなど、多様な距離計算アルゴリズムが実装されています。これにより、データの特性に応じた最適な距離計算方法を選択できます。
  2. 豊富なクラスタリング手法:
    • k-means、DBA-k-means、時間的BIRCHなど、時系列データのクラスタリングに特化したアルゴリズムが利用可能です。
  3. 分類とレグレッション:
    • k-NN分類器、k-NNレグレッサーなど、時系列データの分類と回帰のためのモデルも提供されています。
  4. 便利なデータ処理ツール:
    • データの標準化、正規化、補間など、前処理に役立つ多くのユーティリティ関数が含まれています。
  5. 互換性と拡張性:
    • scikit-learnとの互換性が高く、scikit-learnのパイプラインやグリッドサーチをそのまま利用することができます。

tslearnのインストール

tslearnは、Pythonの標準パッケージマネージャであるpipを使って簡単にインストールできます。

pip install tslearn

tslearnの基本的な使い方

以下に、tslearnを使った基本的な時系列データの類似性計算とクラスタリングの例を紹介します。

データの準備

まずは、サンプルデータを準備します。ここでは、tslearn自体が提供するデータセットを使用します。

import pandas as pd
import japanize_matplotlib
import matplotlib.pyplot as plt
from tslearn.datasets import CachedDatasets
from tslearn.preprocessing import TimeSeriesScalerMinMax

# データセットの読み込み
X_train, y_train, X_test, y_test = CachedDatasets().load_dataset("Trace")

# データのスケーリング
scaler = TimeSeriesScalerMinMax()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

# DataFrameに変換して表示
# ここでは各時系列の最初の10個の値を表示
df_train = pd.DataFrame([series.flatten()[:10] for series in X_train_scaled])
df_test = pd.DataFrame([series.flatten()[:10] for series in X_test_scaled])

print("Train Data (First 10 values of each series):")
print(df_train.head())

距離計算

次に、異なる時系列データ間の距離を計算してみます。ここでは、DTW（動的時間伸縮法）を使用します。

from tslearn.metrics import dtw

# DTW距離の計算
distance = dtw(X_train_scaled[0], X_train_scaled[1])
print(f"DTW距離: {distance}")

クラスタリング

時系列データのクラスタリングを行ってみましょう。ここでは、k-meansクラスタリングを使用します。

from tslearn.clustering import TimeSeriesKMeans

# k-meansクラスタリングの実行
model = TimeSeriesKMeans(n_clusters=3, metric="dtw")
y_pred = model.fit_predict(X_train_scaled)

print(f"クラスタリング結果: {y_pred}")

結果の可視化

最後に、クラスタリング結果を可視化します。

import matplotlib.pyplot as plt

# クラスタリング結果のプロット
for yi in range(3):
    plt.subplot(3, 1, yi + 1)
    for xx in X_train_scaled[y_pred == yi]:
        plt.plot(xx.ravel(), "k-", alpha=0.2)
    plt.plot(model.cluster_centers_[yi].ravel(), "r-")
    plt.title(f"クラスタ {yi + 1}")

plt.tight_layout()
plt.show()

まとめ

「tslearn」は、時系列データの類似性計算やクラスタリングを手軽に行うための強力なツールです。豊富なアルゴリズムと高い拡張性を持ち、さまざまな時系列データの解析に対応しています。今回紹介した基本的な使い方を参考に、ぜひtslearnを使って自分のデータを分析してみてください。さらに詳しい情報や高度な使用方法については、公式ドキュメントを参照することをお勧めします。

コメント

Copied title and URL