Kaip kovoti su tendencija duomenyse naudojant medžius ir atsitiktinius miškus prognozei?

Duomenų tendencija yra sisteminga priklausomybė tarp tikslinės kintamosios reikšmių laikui bėgant, ir tai gali paveikti sprendimų medžių ir atsitiktinių miškų prognozių kokybę, nes šie modeliai iš esmės daro prielaidą, kad duomenys yra stacionarūs.

Norint kovoti su tendencija naudojant medžius ir atsitiktinius miškus, galima:

• Išskaidyti laiko eilutę: identifikuoti ir pašalinti tendencijos komponentą (pavyzdžiui, naudodami slankųjį vidurkį arba STL metodus), ir tada mokyti modelį remiantis liekanomis.
• Pridėti laiko požymius: įtraukti į modelį laiko susijusius požymius (diena, mėnuo, metai, stebėjimo numeris), kad modelis galėtų atsižvelgti į tendenciją.
• Naudoti skirtumus: transformuoti duomenis, imant skirtumus tarp sekų stebėjimų, kad pašalintume tendenciją.
• Mokyti modelį ribotame laiko intervale: kad modelis "neprisimintų" pasenusių tendencijų.

Pavyzdys, kaip pridėti laiko požymius:

import pandas as pd
from sklearn.ensemble import RandomForestRegressor

# Tarkime, kad df turi stulpelius 'date' ir 'target'
df['day_of_year'] = df['date'].dt.dayofyear
df['year'] = df['date'].dt.year

požymiai = ['day_of_year', 'year']
X = df[požymiai]
y = df['target']

model = RandomForestRegressor()
model.fit(X, y)

Šiuo būdu modelis galės atsižvelgti į tendenciją per laiko požymius, o ne bandyti ją tiesiogiai apytikriai modeliuoti.