Wie erstellt man Merkmale für das Modell basierend auf Trend und Höhepunkt in den Metriken?

Um Merkmale auf Basis von Trend und Höhepunkt in Metriken zu erstellen, können die folgenden Ansätze verwendet werden:

1. Trend — zeigt die Richtung der Veränderung der Metrik im Laufe der Zeit. Zur Hervorhebung kann man:

• Gleitende Durchschnitte oder exponentielle Glättung verwenden, um Rauschen zu glätten.
• Den Steigungskoeffizienten einer linearen Regression auf die Werte der Metrik über einen bestimmten Zeitraum berechnen — dies ist ein Trendmerkmal.
• Differenzen zwischen aufeinanderfolgenden Werten oder prozentuale Änderungen verwenden.

2. Höhepunkt — Punkt des Maximums oder Minimums in der Metrik, der auf einen Spitzenwert hinweist:

• Lokale Maxima/Minima mit Extremwert-Suchalgorithmen identifizieren.
• Ein binäres Merkmal erstellen, das angibt, ob der aktuelle Punkt ein Höhepunkt ist.
• Die Entfernung in Zeit oder Wert bis zum nächsten Höhepunkt berechnen.

Beispiel in Python zur Berechnung von Trend und Höhepunkt:

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)  # lineare Regression
    return coeffs[0]  # Steigung des Trends

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 (Steigung): {trend}")
print(f"Index der Höhepunkte: {peaks}")

Auf diese Weise helfen Trend- und Höhepunktmerkmale dem Modell, die Dynamik der Metrikänderungen zu berücksichtigen, was die Vorhersagequalität verbessert.