Функсияи муҳандисии хусусиятҳо барои силсилаҳои вақт (лагҳо, оморҳои даврӣ, хусусиятҳои сана ва вақт) чист?

Вақтли қатори учун хусусият муҳандислиги — бу асосий маълумотлардан янги хусусиятлар яратиш жараёни бўлиб, улар моделларга вақт тузилмасини ва боғлиқликларни яхшироқ тушунишга ёрдам беради.

• Lags (кечикмалар) — вақт қаторидаги қийматларни аввалги нуқталардан ифода қилувчи хусусиятлар яратиш. Масалан, қаторнинг 1, 2, 3 давр олдинги қиймати. Бу моделга автокорреляцияни ҳисобга олишга ёрдам беради.

• Rolling stats (ўтказиш статистикаси) — ўтказиш ойнаси бўйича статистикаларни (ўртача, медиа, стандарт хатолик ва бошқалар) ҳисоблаш. Масалан, сўнгги 7 кунлик ўртача қиймат. Бу тенденцияларни аниқлаш ва шовқинни йўғонлаштиришга ёрдам беради.

• Datetime хусусиятлари (сан ва вақт хусусиятлари) — вақт белгидан ҳафта куни, ой, соат, байрам кунлари, мавсум ва бошқалар каби хусусиятларни чиқариш. Бу моделга мавсумийлик ва циклликни ҳисобга олишга ёрдам беради.

Python ва pandas билан кечикмалар ва ўтказиш ўртача яратиш мисоли:

import pandas as pd

df = pd.DataFrame({'value': [10, 12, 13, 15, 14, 16, 18]})
# 1 давр кечикма
 df['lag_1'] = df['value'].shift(1)
# 3 давр ўтказиш ўртача
 df['rolling_mean_3'] = df['value'].rolling(window=3).mean()

Шу тариқа, хусусият муҳандислиги вақтли қатор моделларига маълумотлар тузилмасини яхшироқ тушунишга ва прогнозлар сифатини оширишга ёрдам беради.