Qu'est-ce que l'ingénierie des caractéristiques pour les séries temporelles (retards, statistiques mobiles, fonctionnalités de date/heure) ?

L'ingénierie des caractéristiques pour les séries temporelles est le processus de création de nouvelles variables à partir des données brutes, qui aident les modèles à mieux capturer la structure temporelle et les dépendances.

• Retards (lags) — création de variables représentant les valeurs passées de la série temporelle. Par exemple, la valeur il y a 1, 2, 3 périodes. Cela aide le modèle à prendre en compte l'autocorrélation.

• Statistiques mobiles (rolling stats) — calcul de statistiques (moyenne, médiane, écart-type, etc.) sur une fenêtre glissante. Par exemple, la moyenne des 7 derniers jours. Cela aide à détecter les tendances et à lisser le bruit.

• Caractéristiques de date et heure (datetime features) — extraction de caractéristiques telles que le jour de la semaine, le mois, l'heure, les jours fériés, la saison, etc., à partir d'une marque temporelle. Cela aide le modèle à prendre en compte la saisonnalité et la cyclicité.

Exemple de création de retards et de moyenne mobile en Python avec pandas:

import pandas as pd

df = pd.DataFrame({'value': [10, 12, 13, 15, 14, 16, 18]})
# Retard de 1 période
 df['lag_1'] = df['value'].shift(1)
# Moyenne mobile sur 3 périodes
 df['rolling_mean_3'] = df['value'].rolling(window=3).mean()

Ainsi, l'ingénierie des caractéristiques aide les modèles de séries temporelles à mieux comprendre la structure des données et à améliorer la qualité des prévisions.