Šta je inženjerstvo karakteristika za vremenske serije (lagovi, pokretne statistike, karakteristike datuma/vremena)?

Inženjering karakteristika za vremenske serije je proces kreiranja novih karakteristika iz izvornog podataka, koji pomažu modelima da bolje uhvate vremensku strukturu i zavisnosti.

• Lags (zaostaci) — kreiranje karakteristika koje predstavljaju vrednosti vremenske serije iz prethodnih tačaka. Na primer, vrednost serije pre 1, 2, 3 perioda. Ovo pomaže modelu da uzme u obzir autokorelaciju.

• Rolling stats (klizne statistike) — izračunavanje statistika (proseka, medijana, standardne devijacije itd.) preko kliznog prozora. Na primer, prosečna vrednost poslednjih 7 dana. Ovo pomaže u identifikaciji trendova i izravnavanju šuma.

• Datetime features (karakteristike datuma i vremena) — ekstrakcija karakteristika kao što su dan u nedelji, mesec, sat, praznični dani, sezona itd. iz vremenske oznake. Ovo pomaže modelu da uzme u obzir sezonskost i cikličnost.

Primer kreiranja zaostataka i kliznog proseka u Pythonu sa pandas:

import pandas as pd

df = pd.DataFrame({'value': [10, 12, 13, 15, 14, 16, 18]})
# Zaostatak od 1 period
 df['lag_1'] = df['value'].shift(1)
# Klizni prosek od 3 perioda
 df['rolling_mean_3'] = df['value'].rolling(window=3).mean()

Na ovaj način, inženjering karakteristika pomaže modelima vremenskih serija da bolje razumeju strukturu podataka i poboljšaju kvalitet prognoza.