რა არის ფუნქციონალური ინჟინერია დროის სერიებისთვის (lags, მოძრავი სტატისტიკა, თარიღის თვისებები)?

เวลასერიებისთვის ფუნქციონალის ინჟინერია — ეს არის პროცესის შექმნა ახალი თვისებების ძირითადი მონაცემებიდან, რომლებიც ეხმარებიან მოდელებს უკეთ დაინახონ დროის სტრუქტურა და დამოკიდებულებები.

• Lags (შებრუნებები) — შექმენით თვისებები, რომლებიც წარმოადგენენ დროის სერიის მნიშვნელობებს წინა წერტილებიდან. მაგალითად, სერიის მნიშვნელობა 1, 2, 3 პერიოდი წინ. ეს ეხმარება მოდელს გაითვალისწინოს ავტოკორელაცია.

• Rolling stats (გადახრილი სტატისტიკები) — გამოთვალეთ სტატისტიკები (საშუალო, მედიანა, სტანდარტული გადახრა და სხვა) გადახრილ ფანჯარაზე. მაგალითად, ბოლო 7 დღის საშუალო. ეს ეხმარება ტენდენციების გამოვლენასა და ხმაურის დამლაგებლად.

• Datetime თვისებები (თარიღისა და დროის თვისებები) — ამოიღეთ თვისებები, როგორიცაა კვირის დღე, თვე, საათი, დღესასწაულები, სეზონი და სხვა დროის ნიშნულიდან. ეს ეხმარება მოდელს გაითვალისწინოს სეზონურობა და ციკლურობა.

Python და pandas გამოყენებით, შექმენით შებრუნებები და გადახრილი საშუალო:

import pandas as pd

df = pd.DataFrame({'value': [10, 12, 13, 15, 14, 16, 18]})
# 1 პერიოდის შებრუნება
 df['lag_1'] = df['value'].shift(1)
# 3 პერიოდის გადახრილი საშუალო
 df['rolling_mean_3'] = df['value'].rolling(window=3).mean()

ამ გზით, ფუნქციონალის ინჟინერია ეხმარება დროის სერიის მოდელებს უკეთ გაიგონ მონაცემების სტრუქტურა და გაუმჯობესონ პროგნოზის ხარისხი.