Как да създадем признаци за модела въз основа на тренда и кулминацията в метриките?

За създаване на характеристики, базирани на тренд и връх в метриките, могат да се използват следните подходи:

1. Тренд — отразява посоката на промяна на метриката във времето. За да го подчертаете, можете:

• Да изчислите движещо се средно или експоненциално изглаждане за намаляване на шума.
• Да изчислите коефициента на наклон на линейна регресия върху стойностите на метриката за определен период — това ще бъде характеристика на тренда.
• Да използвате разлики между последователни стойности или процентни промени.

2. Връх — точка на максимум или минимум в метриката, която показва върхова стойност:

• Да идентифицирате локални максимуми/минимуми с помощта на алгоритми за търсене на екстремуми.
• Да създадете бинарна характеристика, която показва дали текущата точка е връх.
• Да изчислите разстоянието във времето или стойността до най-близкия връх.

Пример на Python за изчисляване на тренд и връх:

import numpy as np
from scipy.signal import argrelextrema

def create_trend_feature(values):
    x = np.arange(len(values))
    coeffs = np.polyfit(x, values, 1)  # линейна регресия
    return coeffs[0]  # наклон на тренда

def find_peaks(values):
    maxima = argrelextrema(np.array(values), np.greater)[0]
    return maxima

values = [10, 12, 15, 14, 13, 16, 20, 18, 17]
trend = create_trend_feature(values)
peaks = find_peaks(values)

print(f"Тренд (наклон): {trend}")
print(f"Индекси на върховете: {peaks}")

По този начин характеристиките на тренда и върха помагат на модела да взема предвид динамиката на промените в метриките, което подобрява качеството на прогнозите.