Como criar características para o modelo com base na tendência e no auge nas métricas?

Para criar características baseadas na tendência e no pico nas métricas, podem ser utilizados os seguintes métodos:

1. Tendência — reflete a direção da mudança na métrica ao longo do tempo. Para destacá-la, pode-se:

• Calcular uma média móvel ou suavização exponencial para reduzir o ruído.
• Calcular o coeficiente de inclinação de uma regressão linear nos valores da métrica durante um período determinado — isto será uma característica de tendência.
• Utilizar diferenças entre valores consecutivos ou alterações percentuais.

2. Pico — ponto máximo ou mínimo na métrica, indicando um valor de pico:

• Identificar máximos/mínimos locais usando algoritmos de busca de extremos.
• Criar uma característica binária que indique se o ponto atual é um pico.
• Calcular a distância em tempo ou em valor até o pico mais próximo.

Exemplo em Python para calcular a tendência e o pico:

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)  # regressão linear
    return coeffs[0]  # inclinação da tendência

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"Tendência (inclinação): {trend}")
print(f"Índices dos picos: {peaks}")

Dessa forma, as características de tendência e pico ajudam o modelo a considerar a dinâmica da mudança nas métricas, o que melhora a qualidade das previsões.