使用機器學習尋找日常圖案

Question

我創建了格式爲[timestamp，location]的日常活動的大型日誌。例如

[{1365650747255, 'san francisco'}, 
{1365650743354, 'san francisco'}, 
{1365650741349, 'san mateo'}, 
{1365650756324, 'mountain view'}, 
... 
{1365650813354, 'menlo park'}] 

什麼是我能挖掘這些信息找到像

• 模式的方式「上週日晚上，這是可能的，我在舊金山附近」
• 「週一下午是可能我是附近門洛帕克」

的問題是，

• 數據集很大。
• 通過在時間戳值上應用函數來判斷日期/時間/日是不可能的（除非我們將日期時間值中的時間戳解碼）。

Answer 1

性能是這個解決方案取決於您對模式識別的要求是多麼的細化。 讓我們假設你的要求劃分爲一天4個部分： Morning,Noon,Evening,Night，讓我們稱他們爲time_slots

現在讓我們來看看你的日常活動日誌有多大，1年，2年，3年？

讓我們假設它是1年。

所以我們總共有365 * 4 = 1460個時隙來監測。

現在，根據每個time_slot的時間戳創建一個簡單的地圖。例如，它從T1開始並在T2結束（其中T1和T2是時間戳，如1365650813354）。

根據日誌中的時間戳值，很容易找到它的time_slot即1月28日晚上或 1月30日上午。

您必須將time_slot與place_i_was數據存儲在具有適當模式的任何合適的數據庫中。 這取決於你想要的種類的查詢和分析。

這樣你就不需要在你的數據集上運行公式，預定義的地圖/數據庫查找就可以達到你的目的。

Answer 2

不確定這些問題需要機器學習，您可以使用常規統計數據。即建立一個概率分佈圖，x - 一天中的時間，y - 它是舊金山的概率。如果時間在a和b之間，計算舊金山的概率...

---

這是如何加載你的數據在數據幀的大熊貓：首先

    timestamp   location 
0 2013-04-11 04:25:47.255000 "san francisco" 
1 2013-04-11 04:25:43.354000 "san francisco" 
2 2013-04-11 04:25:41.349000  "san mateo" 
3 2013-04-11 04:25:56.324000 "mountain view" 
4 2013-04-11 04:26:53.354000  "menlo park" 

Answer 3

，時間戳值轉換爲年 - 月 - 平日：

from __future__ import print_function, division 
import pandas as pd 
import datetime 

df = pd.read_csv("data.csv", 
       names=["timestamp","location"], 
       parse_dates=["timestamp"], 
       date_parser=lambda x:datetime.datetime.fromtimestamp(int(x)/1000)) 
print(df.head()) 

輸出。將時間戳列替換爲年份，月份和工作日對應的3列。

稍後，您可以簡單地按日期的某個範圍的值進行分組，並計算每個位置的實例數。

Answer 4

我在這裏看不到您的問題。因爲它是一個時間戳，從時期開始計算秒數，您只需將模數運算符應用到值爲感興趣的範圍內。如果你訓練一個分類器，你應該能夠預測每一個即將到來的地方。主要問題不是性能，因爲學習只是現在和現在完成，而是如何更新學習數據集。 如前所述，您不必爲此使用機器學習，但是如果您想使用機器學習來完成此任務，則基本上可以在您的1d數據集上使用k-nearest-neighbor來完成。

[編輯]： 混合語言，但固定它：分類器是將執行統計分類的算法。

在機器學習和統計，分類識別的問題，其一組類別（亞羣體）一個新的觀察所屬的訓練集包含觀察數據的基礎上的（或實例）的類別成員已知。 [1]

由於我只使用了sklearn做這樣的事情，以下是你如何可以使用k最近鄰分類[2]簡約的例子。爲了能夠分類，必須將字符串更改爲數字，然後在給定的測試數據集上訓練分類器，然後可以預測新給定時間戳的位置。

import numpy as np 
from sklearn.neighbors import KNeighborsClassifier 


data = [[1365650747255, 'san francisco'], 
     [1365650743354, 'san francisco'], 
     [1365650741349, 'san mateo'], 
     [1365650756324, 'mountain view'], 
     ... 
     [1365650813354, 'menlo park']] 

# Map location strings to integers and replace 
location_mapping = {} 
location_index = 0 
for index, (time, location) in enumerate(data): 
    if(not location_mapping.has_key(location)): 
     location_mapping[location] = location_index 
     location_index += 1 

    data[index][1] = location_mapping[location] 

inverse_location_mapping = {value:key for key, value in location_mapping.items()} 

data = np.array(data) 
week = 60 * 60 * 24 * 7 

# Setup classifier 
classifier = KNeighborsClassifier(n_neighbors=10) 

# Train classifier on given data 
classifier.fit(data[:, 0] % week, data[:, 1]) 

# Predict desired location 
prediction = classifier.predict([[1365444444444 % week]])) 
print(inverse_location_mapping[prediction]) 

[1]：http://en.wikipedia.org/wiki/Statistical_classification

[2]：http://scikit-learn.org/dev/modules/generated/sklearn.neighbors.KNeighborsClassifier.html

Answer 5

轉換時間戳成標記： 「週日早晨」。

然後做關聯規則挖掘獲得的規則，如

night => home 
sunday morning => running in the park 

，你只保留那些規則，其中所希望的位置上正確的發生。