Hogyan hozzunk létre jellemzőket a modellhez a trend és a csúcspont alapján a metrikákban?

A trend és csúcs alapján történő jellemzők létrehozásához a következő megközelítéseket lehet alkalmazni:

1. Trend — tükrözi a metrika időbeli változásának irányát. Ennek kiemeléséhez:

• Mozgó átlag vagy exponenciális simítás számítása a zaj csökkentése érdekében.
• Egy adott időszakban a metrika értékeire illesztett lineáris regresszió meredekségi együtthatójának kiszámítása — ez lesz a trend jellemzője.
• Szomszédos értékek közötti különbségek vagy százalékos változások használata.

2. Csúcs — a metrikában a maximum vagy minimum pont, ami a csúcsértéket jelzi:

• Lokális maximumok/minimumok felismerése extremum kereső algoritmusok segítségével.
• Bináris jellemző létrehozása, ami megmutatja, hogy az aktuális pont csúcs-e.
• A legközelebbi csúcsig tartó idő- vagy érték szerinti távolság kiszámítása.

Python példában a trend és csúcs számítása:

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)  # lineáris regresszió
    return coeffs[0]  # trend meredeksége

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 (meredekség): {trend}")
print(f"Csúcs indexek: {peaks}")

Így a trend és csúcs jellemzők segítenek a modellnek figyelembe venni a metrikák változásának dinamikáját, ami javítja a jóslás minőségét.