Cos'è l'ingegneria delle caratteristiche per le serie temporali (lags, statistiche mobili, caratteristiche di data/ora)?

L'ingegneria delle caratteristiche per le serie temporali è il processo di creazione di nuove variabili dai dati originali, che aiutano i modelli a catturare meglio la struttura temporale e le dipendenze.

• Lags (ritardi) — creazione di variabili che rappresentano i valori passati della serie temporale. Ad esempio, il valore della serie 1, 2, 3 periodi fa. Questo aiuta il modello a considerare l'autocorrelazione.

• Statistiche mobili (rolling stats) — calcolo di statistiche (media, mediana, deviazione standard, ecc.) su una finestra mobile. Ad esempio, la media degli ultimi 7 giorni. Questo aiuta a identificare tendenze e a levigare il rumore.

• Caratteristiche di data e ora (datetime features) — estrazione di caratteristiche come giorno della settimana, mese, ora, giorni festivi, stagione, ecc., da un timestamp. Questo aiuta il modello a considerare stagionalità e ciclicità.

Esempio di creazione di lag e media mobile in Python con pandas:

import pandas as pd

df = pd.DataFrame({'value': [10, 12, 13, 15, 14, 16, 18]})
# Ritardo di 1 periodo
 df['lag_1'] = df['value'].shift(1)
# Media mobile di 3 periodi
 df['rolling_mean_3'] = df['value'].rolling(window=3).mean()

In questo modo, l'ingegneria delle caratteristiche aiuta i modelli di serie temporali a comprendere meglio la struttura dei dati e a migliorare la qualità delle previsioni.