Building Time-Series Machine Learning Models with sktime in Python

KDnuggets

KDnuggets2026年6月15日

Building Time-Series Machine Learning Models with sktime in Python

8.5内容质量

TL;DR · AI 摘要

sktime 是一个专为时间序列建模设计的 Python 库，提供与 scikit-learn 兼容的 API，支持时间序列的预测、分类、回归和聚类。

核心要点

sktime 支持多种时间序列数据结构，包括 Series、Panel 和 Hierarchical。
使用 sktime 可以构建与 scikit-learn 兼容的预处理管道和预测模型。
sktime 支持 DatetimeIndex、PeriodIndex 等时间索引，要求索引单调递增。

结构提纲

按章节快速跳转。

§Introduction
介绍时间序列数据的特殊性以及 sktime 的作用。
·Prerequisites
列出使用 sktime 所需的 Python 版本和依赖库。
›What Makes sktime Useful
解释 sktime 如何处理时间序列数据及其主要数据结构。
›Setting Up the Dataset
描述如何创建一个用于时间序列建模的示例数据集。

思维导图

用一张图看清主题之间的关系。

查看大纲文本（无障碍 / 无 JS 友好）

sktime for Time Series Modeling
- Key Features
  - Scikit-learn-style API
  - Supports Series, Panel, and Hierarchical Data
  - Time Index Support (DatetimeIndex, PeriodIndex, etc.)
- Use Cases
  - Forecasting
  - Classification
  - Regression
  - Clustering

金句 / Highlights

值得收藏与分享的关键句。

sktime is a Python library built specifically for time series data, offering a scikit-learn-style API.
— Introduction
⬇︎ 下载 PNG 𝕏 分享到 X
Time series data breaks the assumption of scikit-learn that each row is an independent sample.
— What Makes sktime Useful
⬇︎ 下载 PNG 𝕏 分享到 X
sktime supports several time indexes, including DatetimeIndex and PeriodIndex, with the requirement that the index be monotonic.
— What Makes sktime Useful
⬇︎ 下载 PNG 𝕏 分享到 X

#Python#时间序列#sktime#机器学习

打开原文

使用 Python 中的 sktime 构建时间序列机器学习模型 - KDnuggets

publ: 2026年6月15日

博客热门文章

话题人工智能职业建议计算机视觉数据工程数据科学语言模型机器学习 MLOps NLP 编程 Python SQL

数据集

活动

资源快速参考指南推荐技术简报

广告

加入新闻通讯

#header end

/ad_wrapper

使用 Python 中的 sktime 构建时间序列机器学习模型

在本文中，我们将使用 sktime 在 Python 中构建时间序列机器学习模型，并探索其用于预测工作流程的核心数据结构。

作者：

Bala Priya C

，KDnuggets 贡献编辑及技术内容专家，2026年6月15日发布于

机器学习

# 引言

如果你处理传感器读数、服务器指标或任何随时间到达的数据，你已经知道标准的 scikit-learn 管道并不完全适用。时间序列数据具有表格模型忽略的结构：季节性、趋势、时间顺序，以及未来值依赖于过去值的事实。

sktime 是一个专门为这种情况构建的 Python 库。它提供了一个类似 scikit-learn 的 API —— fit、predict、transform，但它是专门为时间序列从头设计的。你可以对时间序列进行预测、分类、回归和聚类，所有操作都使用一致的接口。

在本文中，你将通过一个示例问题进行学习：从工业 HVAC 传感器预测温度读数。你将学习 sktime 如何处理时间序列数据，如何构建预处理管道，如何拟合预测器，以及如何评估它们。

你可以在 GitHub 上获取代码。

# 先决条件

你需要 Python 3.10 或更高版本，并且对 pandas 有基本的了解。使用以下命令安装所有需要的内容：

code

pip install sktime pmdarima statsmodels

如果你更倾向于一次性安装所有可选依赖项，pip install sktime[all_extras] 可以满足你的需求。

# 为什么 sktime 有用

了解 sktime 解决的问题是有帮助的。在 scikit-learn 中，你的数据是一个二维表格 —— 行是样本，列是特征。时间序列数据打破了这一假设，因为每个“行”实际上是一个随时间变化的值序列，这些值的顺序很重要。

你将使用的主数据容器包括：

数据类型

表示

描述

Series

code

pd.Series

或

code

pd.DataFrame

在普通预测中使用的单个时间序列。

Panel

具有一个 2 级

code

MultiIndex

多个独立时间序列的集合。

Hierarchical

具有 3 级或以上

具有跨多个维度聚合级别的结构化时间序列集合。

对于时间索引本身，sktime 支持几种时间索引：DatetimeIndex、PeriodIndex、Int64Index 和 RangeIndex 在你的 pandas 对象上。索引必须是单调的。如果你使用 DatetimeIndex，freq 属性应该被设置。

code

import numpy as np
import pandas as pd

np.random.seed(42)

# 从2026年1月1日开始的90天的每小时读数
n_hours = 90 * 24
timestamps = pd.date_range(start="2026-01-01", periods=n_hours, freq="h")

# 趋势：90天内温度逐渐上升5度
trend = np.linspace(0, 5, n_hours)

# 每日周期性变化：温度在下午2点达到峰值，在凌晨4点达到低谷
hour_of_day = np.arange(n_hours) % 24
daily_cycle = 4 * np.sin(2 * np.pi * (hour_of_day - 4) / 24)

# 噪声
noise = np.random.normal(0, 0.8, n_hours)

# 基础温度约为20°C
temperature = 20 + trend + daily_cycle + noise

# 引入一些缺失值（传感器故障）
dropout_indices = [300, 301, 302, 1440, 1441]
temperature[dropout_indices] = np.nan

y = pd.Series(temperature, index=timestamps, name="temp_celsius")
y.index.freq = pd.tseries.frequencies.to_offset("h")

print(y.head())
print(f"\nShape: {y.shape}")
print(f"Missing values: {y.isna().sum()}")
print(f"Index type: {type(y.index)}")

输出：

code

2026-01-01 00:00:00    16.933270
2026-01-01 01:00:00    17.063277
2026-01-01 02:00:00    18.522783
2026-01-01 03:00:00    20.190095
2026-01-01 04:00:00    19.821941
Freq: h, Name: temp_celsius, dtype: float64

Shape: (2160,)
Missing values: 5
Index type:

# 为训练和测试划分时间序列数据

划分时间序列数据与划分表格数据不同 —— 你不能对行进行洗牌。你必须始终按时间顺序划分：使用较早的数据进行训练，使用较晚的数据进行测试。

sktime 提供了 temporal_train_test_split 用于此目的：

code

from sktime.split import temporal_train_test_split

# 将最后7天（168小时）作为测试集
y_train, y_test = temporal_train_test_split(y, test_size=168)

print(f"Train: {y_train.index[0]} → {y_train.index[-1]}")
print(f"Test:  {y_test.index[0]} → {y_test.index[-1]}")
print(f"Train size: {len(y_train)}, Test size: {len(y_test)}")

code

Train: 2026-01-01 00:00:00 → 2026-03-24 23:00:00
Test:  2026-03-25 00:00:00 → 2026-03-31 23:00:00
Train size: 1992, Test size: 168

该函数确保划分是清晰且按时间顺序的 —— 没有未来数据泄露到训练集中。

# 定义预测范围

在拟合任何模型之前，你需要告诉 sktime 你想要预测哪些时间点。这就是 ForecastingHorizon。

code

from sktime.forecasting.base import ForecastingHorizon

# 预测168个时间点（7天的每小时数据）
# is_relative=False 表示我们使用的是绝对时间戳
fh = ForecastingHorizon(y_test.index, is_relative=False)

print(f"Horizon length: {len(fh)}")
print(f"First forecast point: {fh[0]}")
print(f"Last forecast point:  {fh[-1]}")

这将输出：

code

Horizon length: 168
First forecast point: 2026-03-25 00:00:00
Last forecast point:  2026-03-31 23:00:00

你也可以使用相对时间范围，如 fh = [1, 2, 3, ..., 168]，这表示“1步之后，2步之后，...”。当你有实际的时间点需要预测时，使用绝对时间范围会更清晰。

# 构建预处理和预测管道

实际的传感器数据包含缺失值、季节性模式和趋势 —— 你需要在预测之前或期间处理所有这些内容。sktime 的 TransformedTargetForecaster 允许你将转换与预测模型连接成一个单一的估计器。这些转换会在拟合前应用于目标序列 y，并在预测时自动反转。

code

from sktime.forecasting.exp_smoothing import ExponentialSmoothing
from sktime.forecasting.compose import TransformedTargetForecaster
from sktime.transformations.series.impute import Imputer
from sktime.transformations.series.detrend import Deseasonalizer, Detrender

pipeline = TransformedTargetForecaster(
    steps=[
        # Step 1: 使用线性插值填充缺失的传感器读数
        ("imputer", Imputer(method="linear")),
        # Step 2: 去除线性趋势，使预测器看到一个平稳序列
        ("detrender", Detrender()),
        # Step 3: 去除每日季节性（对于每小时数据，周期为24小时，sp=24）
        ("deseasonalizer", Deseasonalizer(model="additive", sp=24)),
        # Step 4: 预测清理后的平稳残差
        ("forecaster", ExponentialSmoothing(trend=None, seasonal=None)),
    ]
)

pipeline.fit(y_train, fh=fh)
y_pred = pipeline.predict()

print(y_pred.head())

code

2026-03-25 00:00:00    21.210066
2026-03-25 01:00:00    21.788986
2026-03-25 02:00:00    22.615184
2026-03-25 03:00:00    23.688449
2026-03-25 04:00:00    24.621127
Freq: h, Name: temp_celsius, dtype: float64

每个步骤的作用如下：

Imputer(method="linear") 通过线性插值填充缺失值，这在传感器数据中效果很好。

Detrender() 为训练序列拟合一个线性趋势并减去它；在预测时会将趋势加回去。

Deseasonalizer(sp=24) 从残差中去除24小时周期；sp表示季节周期。

最后，ExponentialSmoothing 对去趋势和去季节化的残差进行预测。

当调用 predict() 时，所有逆变换会自动按相反顺序应用，你将得到原始温度尺度的预测结果。

# 评估预测

sktime 与标准评估指标集成。对于预测，平均绝对误差（MAE）和平均绝对百分比误差（MAPE）是常见的选择。

code

from sktime.performance_metrics.forecasting import (
    mean_absolute_error,
    mean_absolute_percentage_error,
)

mae = mean_absolute_error(y_test, y_pred)
mape = mean_absolute_percentage_error(y_test, y_pred)

print(f"MAE:  {mae:.3f} °C")
print(f"MAPE: {mape*100:.2f}%")

code

MAE:  0.584 °C
MAPE: 2.40%

# 替换不同的预测器

sktime 接口最大的优势之一是替换底层算法只需更改一行代码。让我们尝试用 ARIMA 模型替换指数平滑模型并进行比较。

code

from sktime.forecasting.arima import ARIMA

pipeline_arima = TransformedTargetForecaster(
    steps=[
        ("imputer", Imputer(method="linear")),
        ("detrender", Detrender()),
        ("deseasonalizer", Deseasonalizer(model="additive", sp=24)),
        # 在清理后的残差上使用 ARIMA(1,1,1)
        ("forecaster", ARIMA(order=(1, 1, 1), suppress_warnings=True)),
    ]
)

pipeline_arima.fit(y_train, fh=fh)
y_pred_arima = pipeline_arima.predict()

mae_arima = mean_absolute_error(y_test, y_pred_arima)
mape_arima = mean_absolute_percentage_error(y_test, y_pred_arima)

print(f"ARIMA MAE:  {mae_arima:.3f} °C")
print(f"ARIMA MAPE: {mape_arima*100:.2f}%")

code

ARIMA MAE:  0.586 °C
ARIMA MAPE: 2.41%

关键在于预处理步骤 —— 缺失值填补、去趋势、去季节性 —— 保持一致。你只改变了最终的预测器，而其他所有内容都围绕它整洁地组合在一起。

# 时间序列交叉验证

仅保留一个测试窗口可能会产生误导。sktime 通过尊重时间顺序的拆分器提供了时间序列交叉验证。

SlidingWindowSplitter 使用滑动窗口：训练窗口在时间上向前滑动，始终保持相同的长度。ExpandingWindowSplitter 在你向前移动时逐步扩大训练集，这在你想要使用所有可用历史数据时更为合适。

code

from sktime.split import ExpandingWindowSplitter
from sktime.forecasting.model_evaluation import evaluate

# Expanding window: start with 1800-hour train set, evaluate on 168-hour windows
cv = ExpandingWindowSplitter(
    initial_window=1800,
    fh=list(range(1, 169)),
    step_length=168,
)

results = evaluate(
    forecaster=pipeline,
    y=y,
    cv=cv,
    scoring=mean_absolute_error,
    return_data=False,
)

print(results[["test__DynamicForecastingErrorMetric", "fit_time"]].round(3))
print(f"\nMean CV MAE: {results['test__DynamicForecastingErrorMetric'].mean():.3f} °C")

code

test__DynamicForecastingErrorMetric  fit_time
0                                0.627     0.274
1                                0.585     0.100

Mean CV MAE: 0.606 °C

evaluate 返回一个包含每折指标和时间的 DataFrame。交叉验证的 MAE 证实了模型在数据的不同时间窗口上具有一致的泛化能力。

# 下一步

本文介绍了 sktime 中的核心预测工作流程，但该库的功能远不止于基本的预测任务。

它还支持时间序列分类、带有不确定性估计的概率预测、在多个相关时间序列之间训练共享模型、将传统机器学习算法适应于序列预测，以及自动化模型选择和调优工作流程。

sktime 最大的优势之一是其一致的 API 和与更广泛的 Python 机器学习生态系统集成，这使得初学者和有经验的实践者都能更容易地进行实验。sktime 的文档和示例笔记本尤其写得非常好，如果你经常处理预测或时间序列数据问题，值得将其收藏。

Bala Priya C 是来自印度的开发者和技术作家。她喜欢在数学、编程、数据科学和内容创作的交汇点上工作。她的兴趣和专长领域包括 DevOps、数据科学和自然语言处理。她喜欢阅读、写作、编程和咖啡！目前，她正在通过撰写教程、操作指南、观点文章等，学习并分享她的知识给开发者社区。Bala 还创建了引人入胜的资源概述和编码教程。

Building Time-Series Machine Learning Models with sktime in Python

TL;DR · AI 摘要

核心要点

结构提纲

思维导图

金句 / Highlights

使用 Python 中的 sktime 构建时间序列机器学习模型 - KDnuggets

使用 Python 中的 sktime 构建时间序列机器学习模型

# 引言

# 先决条件

# 为什么 sktime 有用

# 为训练和测试划分时间序列数据

# 定义预测范围

# 构建预处理和预测管道

# 评估预测

# 替换不同的预测器

# 时间序列交叉验证

# 下一步

更多相关内容

最新文章

热门文章