¿Qué es la ingeniería de características para series temporales (retardos, estadísticas móviles, características de fecha y hora)?

La ingeniería de características para series temporales es el proceso de crear nuevas variables a partir de los datos originales, que ayudan a los modelos a captar mejor la estructura temporal y las dependencias.

• Retardos (lags) — creación de variables que representan los valores de la serie temporal en puntos anteriores. Por ejemplo, el valor de la serie hace 1, 2, 3 períodos. Esto ayuda al modelo a tener en cuenta la autocorrelación.

• Estadísticas móviles (rolling stats) — cálculo de estadísticas (media, mediana, desviación estándar, etc.) sobre una ventana móvil. Por ejemplo, la media de los últimos 7 días. Esto ayuda a identificar tendencias y suavizar el ruido.

• Características de fecha y hora (datetime features) — extracción de características como día de la semana, mes, hora, días festivos, estación, etc., a partir de una marca de tiempo. Esto ayuda al modelo a tener en cuenta la estacionalidad y la ciclicidad.

Ejemplo de creación de retardos y media móvil en Python con pandas:

import pandas as pd

df = pd.DataFrame({'value': [10, 12, 13, 15, 14, 16, 18]})
# Retardo de 1 período
 df['lag_1'] = df['value'].shift(1)
# Media móvil de 3 períodos
 df['rolling_mean_3'] = df['value'].rolling(window=3).mean()

De esta manera, la ingeniería de características ayuda a los modelos de series temporales a entender mejor la estructura de los datos y a mejorar la calidad de las predicciones.