O que é feature engineering para séries temporais (lags, estatísticas móveis, características de data e hora)?

A engenharia de características para séries temporais é o processo de criar novas variáveis a partir dos dados originais, que ajudam os modelos a captar melhor a estrutura temporal e as dependências.

• Lags (atrasos) — criação de variáveis que representam os valores passados da série temporal. Por exemplo, o valor da série há 1, 2, 3 períodos atrás. Isto ajuda o modelo a considerar a autocorrelação.

• Estatísticas móveis (rolling stats) — cálculo de estatísticas (média, mediana, desvio padrão, etc.) sobre uma janela móvel. Por exemplo, a média dos últimos 7 dias. Isto ajuda a identificar tendências e a suavizar o ruído.

• Características de data e hora (datetime features) — extração de características como dia da semana, mês, hora, dias festivos, estação, etc., a partir de uma marca temporal. Isto ajuda o modelo a considerar a sazonalidade e a ciclicidade.

Exemplo de criação de lags e média móvel em Python com pandas:

import pandas as pd

df = pd.DataFrame({'value': [10, 12, 13, 15, 14, 16, 18]})
# Atraso de 1 período
 df['lag_1'] = df['value'].shift(1)
# Média móvel de 3 períodos
 df['rolling_mean_3'] = df['value'].rolling(window=3).mean()

Assim, a engenharia de características ajuda os modelos de séries temporais a entender melhor a estrutura dos dados e a melhorar a qualidade das previsões.