Какво е feature engineering за времеви серии (lags, ролинг статистики, datetime характеристики)?

Инжениране на характеристики за времеви редове е процесът на създаване на нови характеристики от първоначалните данни, които помагат на моделите по-добре да улавят времевата структура и зависимостите.

• Lags (запазвания) — създаване на характеристики, които представят стойностите на времевия ред от предишни точки. Например, стойността на реда преди 1, 2, 3 периода. Това помага на модела да взема предвид автокорелацията.

• Rolling stats (преминаващи статистики) — изчисляване на статистики (средно, медиана, стандартно отклонение и др.) върху преминаващо окно. Например, средното за последните 7 дни. Това помага за идентифициране на тенденции и изглаждане на шума.

• Datetime features (характеристики на дата и време) — извличане на характеристики като ден от седмицата, месец, час, празнични дни, сезон и др. от времеви маркер. Това помага на модела да взема предвид сезонността и цикличността.

Пример за създаване на лагове и преминаващо средно в Python с pandas:

import pandas as pd

df = pd.DataFrame({'value': [10, 12, 13, 15, 14, 16, 18]})
# Лаг за 1 период
 df['lag_1'] = df['value'].shift(1)
# Преминаващо средно за 3 периода
 df['rolling_mean_3'] = df['value'].rolling(window=3).mean()

По този начин, инженирането на характеристики помага на моделите за времеви редове по-добре да разбират структурата на данните и да подобряват качеството на прогнозите.