Rollende vensters en lags
Gladmaken en lagkenmerken
Rollende vensters en lags is een gratis Data Science Academy-les op CoddyKit. Dit is les 2 van 4. Je kunt de volledige les hieronder gratis lezen en daarna in de browser praktisch oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject Data Science Academy. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus Data Science Academy bevat in totaal 4 lessen.
De pieken en dalen afvlakken
Onbewerkte tijdreeksen kunnen grillig zijn. Een voortschrijdend venster berekent het gemiddelde van nabije punten, zodat het onderliggende signaal gemakkelijk zichtbaar wordt. 🌊
Wat een venster echt is
Een venster is een vast aantal recente punten. Het schuift telkens één stap vooruit en berekent op elke positie opnieuw een samenvatting.
Het voortschrijdend gemiddelde
De meest gebruikte bewerking is een voortschrijdend gemiddelde: neem het gemiddelde van de laatste paar waarden om de lijn af te vlakken. Met pandas doe je dat in één regel.
sales.rolling(window=7).mean()De venstergrootte is een afweging
Een groter venster vlakt meer af, maar reageert trager; een kleiner venster blijft responsief, maar is rumoeriger. Stem de grootte af op je vraag.
De eerste waarden zijn NaN
Een venster van 7 heeft 7 punten nodig voordat het kan rekenen. Daarom zijn de eerste rijen NaN totdat er genoeg voorgeschiedenis is.
Verder dan het gemiddelde
Rollende berekeningen werken met meer dan gemiddelden. Een rollende standaardafwijking laat zien hoe de volatiliteit in de loop van de tijd verandert, iets wat trends alleen verbergen.
sales.rolling(window=30).std()Maak kennis met de vertraging
Een vertraging is simpelweg de waarde uit een eerder tijdstip. De verkopen van gisteren als kolom vormen een functie met vertraging 1.
Shift maakt vertragingen
pandas bouwt vertragingen met shift. Door shift(1) aan te roepen, schuift elke waarde één rij omlaag, zodat elke rij het verleden ziet.
df['lag_1'] = sales.shift(1)Waarom vertragingen voorspellingen kracht geven
De meeste reeksen hangen af van hun eigen recente verleden. Als je een model goede functies met vertraging geeft, kan het leren dat gisteren vandaag voorspelt.
Differentiëren is ook een vertraging
Door de vorige waarde af te trekken, dus de waarde min de bijbehorende vertraging, krijg je de verandering tussen tijdstappen. Dit vormt de basis van differentiatie.
df['change'] = sales - sales.shift(1)Combineer rollende berekeningen en vertragingen
Sterke functieverzamelingen combineren vaak beide: enkele vertragingen plus een rollend gemiddelde. Samen leggen ze het recente niveau en de richting vast.
Korte controle
Welke pandas-methode verschuift waarden naar hun vorige tijdstap om een functie met vertraging te maken?
Samenvatting: het verleden als functies
Je gebruikte rollende vensters om af te vlakken en vertragingen via shift om het verleden naar voren te halen: de twee basisbouwstenen van functies voor tijdreeksen.
Leer Python met een AI-tutor — gratis
Schrijf echte code en voer die uit in je browser, krijg direct hulp van een AI-tutor die 24/7 beschikbaar is en ga verder waar je gebleven bent op het web of in de app.
- Cursussen
- 30
- Lessen
- 120
Veelgestelde vragen
Is de les “Rollende vensters en lags” gratis?
Ja — de volledige tekst van “Rollende vensters en lags” kun je hier gratis op het web lezen. Als je interactief wilt oefenen met een ingebouwde code-editor en een AI-begeleider die 24/7 beschikbaar is, en de rest van de cursus Data Science Academy wilt ontgrendelen, kun je upgraden naar CoddyKit PRO. De cursus Data Science Academy bevat in totaal 4 lessen.
Wat leer ik in “Rollende vensters en lags”?
Gladmaken en lagkenmerken Je oefent met Data Science Academy door code rechtstreeks in de browser uit te voeren. Een AI-begeleider die 24/7 beschikbaar is beantwoordt je vragen terwijl je de les doorwerkt.
Heb ik ervaring nodig om met Data Science Academy te beginnen?
Ervaring vooraf is niet nodig. Data Science Academy op CoddyKit is opgebouwd voor beginners tot gevorderden, zodat je hier of bij het begin kunt starten en in je eigen tempo kunt leren. Dit is les 2 van 4.
Hoe lang duurt de les “Rollende vensters en lags”?
De meeste lessen van CoddyKit duren ongeveer 5–10 minuten. Elke les is kort en interactief, zodat je gestaag vooruitgaat en op het web en in de app precies verdergaat waar je was gebleven.
Kan ik code schrijven en uitvoeren in deze les over Data Science Academy?
Ja. Elke les over Data Science Academy bevat een ingebouwde code-editor, zodat je rechtstreeks in je browser echte code kunt schrijven en uitvoeren en direct feedback van AI krijgt — lokale installatie is niet nodig.
Alle lessen in deze cursus
- Trend, seizoensinvloed en ruis
- Rollende vensters en lags
- Stationariteit en differentiëren
- Een eerste forecast-baseline