Jak vytvořit vlastnosti pro model na základě trendu a vrcholu v metrikách?

Pro vytváření vlastností založených na trendu a vrcholu v metrikách lze použít následující přístupy:

1. Trend — odráží směr změny metriky v čase. K jeho zvýraznění lze:

• Vypočítat klouzavý průměr nebo exponenciální vyhlazení pro snížení šumu.
• Vypočítat koeficient sklonu lineární regrese na hodnotách metriky za určité období — to bude vlastnost trendu.
• Použít rozdíly mezi po sobě jdoucími hodnotami nebo procentuální změny.

2. Vrchol — bod maxima nebo minima v metrice, ukazující na vrcholovou hodnotu:

• Identifikovat lokální maxima/minima pomocí algoritmů hledání extrémů.
• Vytvořit binární vlastnost, která ukazuje, zda je aktuální bod vrcholem.
• Vypočítat vzdálenost v čase nebo hodnotě od nejbližšího vrcholu.

Příklad v Pythonu pro výpočet trendu a vrcholu:

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)  # lineární regrese
    return coeffs[0]  # sklon trendu

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"Trend (sklon): {trend}")
print(f"Indexy vrcholů: {peaks}")

Tímto způsobem vlastnosti trendu a vrcholu pomáhají modelu zohlednit dynamiku změn metrik, což zlepšuje kvalitu předpovědí.