Τι είναι το feature engineering για χρονοσειρές (lags, κυλιόμενα στατιστικά, χαρακτηριστικά datetime);

Η μηχανική χαρακτηριστικών για σειρές χρόνου είναι η διαδικασία δημιουργίας νέων χαρακτηριστικών από τα αρχικά δεδομένα, που βοηθούν τα μοντέλα να κατανοήσουν καλύτερα τη χρονική δομή και τις εξαρτήσεις.

• Lags (καθυστερήσεις) — δημιουργία χαρακτηριστικών που αντιπροσωπεύουν τις τιμές της σειράς χρόνου από προηγούμενα σημεία. Για παράδειγμα, η τιμή της σειράς πριν 1, 2, 3 περιόδους. Αυτό βοηθά το μοντέλο να λαμβάνει υπόψη την αυτοσυσχέτιση.

• Rolling stats (κυλιόμενα στατιστικά) — υπολογισμός στατιστικών (μέσο, διάμεσο, τυπική απόκλιση κ.ά.) πάνω σε ένα κυλιόμενο παράθυρο. Για παράδειγμα, ο μέσος των τελευταίων 7 ημερών. Αυτό βοηθά στον εντοπισμό τάσεων και στην εξομάλυνση του θορύβου.

• Datetime features (χαρακτηριστικά ημερομηνίας και ώρας) — εξαγωγή χαρακτηριστικών όπως η ημέρα της εβδομάδας, ο μήνας, η ώρα, οι αργίες, η εποχή κ.ά. από μια χρονική σήμανση. Αυτό βοηθά το μοντέλο να λαμβάνει υπόψη εποχικότητα και κυκλικότητα.

Παράδειγμα δημιουργίας καθυστερήσεων και κυλιόμενου μέσου όρου σε Python με pandas:

import pandas as pd

df = pd.DataFrame({'value': [10, 12, 13, 15, 14, 16, 18]})
# Καθυστέρηση 1 περιόδου
 df['lag_1'] = df['value'].shift(1)
# Κυλιόμενο μέσο 3 περιόδων
 df['rolling_mean_3'] = df['value'].rolling(window=3).mean()

Με αυτόν τον τρόπο, η μηχανική χαρακτηριστικών βοηθά τα μοντέλα χρονικών σειρών να κατανοήσουν καλύτερα τη δομή των δεδομένων και να βελτιώσουν την ποιότητα των προβλέψεων.