როგორ შევქმნათ მახასიათებლები მოდელისთვის ტრენდისა და კულმინაციის საფუძველზე მეტრიკებში?

მეტრიკებში ტრენდისა და მწვერვალის საფუძველზე თვისებების შექმნისთვის, შეიძლება გამოიყენოთ შემდეგი მიდგომები:

1. ტრენდი — ასახავს მეტრიკის ცვლილების მიმართულებას დროის განმავლობაში. მის გამოკვეთად, შეგიძლიათ:

• გამოთვალოთ მოძრავი საშუალო ან ექსპონენციული გლუვი, რათა ხმაური შემცირდეს.
• გამოითვალეთ ლინეურული რეგრესიის კუთხის კოეფიციენტი გარკვეული პერიოდის განმავლობაში — ეს იქნება ტრენდის თვისება.
• გამოიყენეთ მიმდევრობით მნიშვნელობებს შორის განსხვავებები ან პროცენტული ცვლილებები.

2. მაღალი წერტილი — მეტრიკაში მაქსიმუმი ან მინიმუმი, რომელიც მიუთითებს პიკზე:

• იპოვეთ ლოკალური მაქსიმუმები/მინიმუმები ექსტრემუმების ძიების ალგორითმებით.
• შექმენით ბინარული თვისება, რომელიც აჩვენებს, არის თუ არა მიმდინარე წერტილი პიკი.
• გამოითვალეთ დროით ან მნიშვნელობით მანძილი ყველაზე ახლო პიკამდე.

Python-ის მაგალითი ტრენდის და პიკის გამოთვლისთვის:

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)  # გრაფიკული რეგრესია
    return coeffs[0]  # ტრენდის დაქანება

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"ტრენდი (დაქანება): {trend}")
print(f"პიკების ინდექსები: {peaks}")

ამ გზით, ტრენდის და პიკის თვისებები ეხმარება მოდელს გაითვალისწინოს მეტრიკების ცვლილების დინამიკა, რაც აუმჯობესებს პროგნოზირების ხარისხს.