
Python部落(python.freelycode.com)组织翻译,禁止转载,欢迎转发。
2016年8月15日 Chris Hannam
我们已经展示了如何使用预测算法来跟踪经济发展(链接:track economic development)。在本教程中,我们将建立一个实时的健康仪表板,用于跟踪一个人的血压读数,做时间序列分析,然后使用预测算法计算随着时间的推移,该序列的趋势,并用曲线图表示。本教程是使用时间序列算法和和预测API来创建您自己的个人健康仪表板的开始。
我们将使用Python创建这个仪表盘,对我们的数据使用 Withings API,Forecast,Simple Moving Average 等来自 Algorithmia(类似于算法的应用商店)的微服务,并使用 Plotly来对数据绘图。
这是放在GitHub的使用Python对Withings数据运行Algorithmia任务的报告(链接: running Algorithmia tasks against Withings data using Python)。
测量什么,管理什么
为什么选择血压数据。为什么血压数据?我的一个朋友被诊断为高血压,并决心使用数据降低它。据疾病预防控制中心的统计,3美国人中有1人患有高血压,这将会导致患心脏病和中风的风险更高。
我是一个Python程序员,而且我可以建立一个简单的,无服务器的健康仪表板帮助我的朋友,了解自己的血压值。
第一步是建立一个常规血压测量,并使用廉价的血压监测和Withings app记录下来。然后我们将使用Withings API访问健康仪表数据(Withings还具有 WiFi功能的血压计,可以方便那些不想手动记录数据的那些人)。
我的朋友在过去的五个月里,每天早上和晚上都在记录他们的心率,收缩压和舒张压。下面是Withings提供的仪表板数据的快照。

这个图表是可以的,但我们都发现它们很容易混淆,并且对于跟踪趋势不是很有帮助。我也希望能够使用预测算法基于过去的数据来预测未来。
下面是我们如何建立我们自己的健康仪表板。
Python,APIs和绘图
我建立了一个基本的Flash APP从Withings API读取血压数据,处理数据,并在客户端绘制出图表。为了访问数据,我使用Withings Python library(可以在PyPi上获取)。为了绘图,我选择plot.ly。使用它你可以用短短几行代码你就可以快速地创建功能强大的图表。
第一个任务是从Withings中提取原始数据。使用Python库是这件事变得很简单。在这里有一个小技巧就是将读取到的数据转换成plotly能够绘图的格式。我尽力想出一个简单的方法在模板中生成一个文本字符串,使用Jinja2。并使它成为Flash的一部分。
我们定义函数把数据从Withings API提取数据(为了简洁性我已经删除了一些代码,但是报告里面具有你想要开始所需要的一切)。我们调用Withings API来获取我们的测量数据,然后遍历响应并通过测量日期和时间进行排序。我们既会建立一个对象作为绘制图表用,同时也会建立一个原始数据,我们可以将它们传递给Algorithmia来运行它们的预测算法。


作为最简单的项目,Bootstrap是使用图表嵌入到普通行布局中来渲染HTML的完美工具。

为了建立图表,当提取Withings数据时,我们在我们的Flash app上创建以下格式的对象:

然后,为了画图我们从我们的数据把x和y坐标值传递给Plot.ly 。我们使用X作为索引,和Y作为舒张压,收缩压,或脉冲值,如下所示:


现在,我们有了我们的图表,我们可以看到,我们的血压数据有一些不可预测的峰值,这使得趋势很难被发现。我过去使用R来绘制时间序列数据,但从未在Python中使用这样做过。这就是Algorithmia从何而来。
加入预测算法
我需要尽可能容易地理解这些数据。我曾探究过一些做机器学习和数据分析的服务机构,它们大多数局限于文本分类,价格昂贵,或不能作为无服务器的API。
然后我发现了Algorithmia,它有一个大型的算法库,作为微服务运行你的数据。你调用该算法,传递你的数据,它们在数据上运行算法,并实时的返回结果。他们有一个Python库,因为它是一个API,它完全适合这个无服务器项目。
为这个项目我选择了两个预测算法:
Simple Moving Average
Forecast
使用简单的移动平均
我用简单的移动平均来平滑数据,并使得在图中它更容易发现它的趋势。使用移动平均线也有助于减少原始数据中的波动和噪声。
首先,我们定义我们的简单的移动平均功能:

那么,作为上面_fetch_withings()的一部分,我们通过下面的代码来向函数传递我们的收缩压、舒张压,和脉冲数据:

这将对我们的重要数据创建一个平滑的数据图表。然后,我们使用预测算法来预测未来的趋势。
使用Forecast
这是这件事情的真正乐趣所在。我有大约五个月的数据可以使用,而且一般来说,你拥有越多的数据越好!
我首先定义了我的预测功能:

再次,作为_fetch_withings()功能的一部分,我将数据以数组的形式传递给预测算法。我们可以在这里停止,但预测的数据将是容易出现尖峰和波动。因此,一旦完成,我就可以在预测数据上运行移动平均算法将结果进行平滑:
下面的绘图显示了使用五个月的收缩压值、舒张压值,和脉冲值的数据分别进行预测而得到的值。

并且,下面是预测算法的输出,但是这次是使用简单的移动平均数据,而不是原始数据:
好多了!血压数据是很难处理,因为它有的时候会很不稳定。有很多算法可以将数据平滑和规范化,我打算用它们来改善未来的预测。例如,我可以用线性趋势重点分析数据中的波动,或自相关分析时间序列的季节性。我甚至可以使用孤立点检测,以消除原始数据中的不寻常的数据点,它们可能表明坏读数。
结论
核心要点是,似乎我朋友的血压不会变得更糟,并且在未来几个月内将保持在一个可接受的范围内。
而且,由于他们的新健康仪表板,我的朋友现在有一组图表,在讨论长期治疗时,他可以将它们拿给他的医生。血压会被一系列因素影响,所以定期回顾对长期的管理是很重要的。
这是我第一次尝试做预测和理解许多,许多这种数据处理背后的想法。我也大概掌握了使用这些服务,我们可以对数据做什么。
用到的工具:
Flask Python Framework
Algorithmia
Plotly
英文原文:http://blog.algorithmia.com/predictive-algorithms-track-real-time-health-trends/
译者:yaoyujia123

