หน้าต่างเลื่อนและค่าหน่วง

อนุกรมเวลาดิบอาจมีการกระโดดขึ้นลง หน้าต่าง rolling จะหาค่าเฉลี่ยของจุดใกล้เคียง เพื่อให้เห็นสัญญาณพื้นฐานได้ง่ายขึ้น 🌊

หน้าต่างคือจำนวนจุดข้อมูลล่าสุดที่กำหนดไว้ตายตัว หน้าต่างจะเลื่อนไปข้างหน้าทีละหนึ่งขั้น และคำนวณสรุปใหม่ในแต่ละตำแหน่ง

วิธีที่ใช้บ่อยที่สุดคือ ค่าเฉลี่ย rolling โดยหาค่าเฉลี่ยของค่าล่าสุดสองสามค่าเพื่อทำให้เส้นเรียบขึ้น pandas ช่วยให้เขียนได้ในบรรทัดเดียว

หน้าต่างที่ใหญ่ขึ้นจะทำให้ข้อมูลเรียบขึ้นแต่ตอบสนองช้าลง ส่วนหน้าต่างที่เล็กกว่าจะตอบสนองไวแต่มีสัญญาณรบกวนมากกว่า คุณควรปรับขนาดให้เหมาะกับคำถาม

หน้าต่างขนาด 7 ต้องมีข้อมูล 7 จุดก่อนจึงจะคำนวณได้ ดังนั้นแถวแรก ๆ จะแสดงเป็น NaN จนกว่าจะมีข้อมูลย้อนหลังเพียงพอ

rolling ใช้กับสิ่งที่มากกว่าค่าเฉลี่ยได้ rolling std เผยให้เห็นว่าความผันผวนเปลี่ยนแปลงไปตามเวลาอย่างไร ซึ่งแนวโน้มเพียงอย่างเดียวอาจซ่อนไว้

lag ก็คือค่าจากช่วงเวลาก่อนหน้า คอลัมน์ยอดขายของเมื่อวานถือเป็นคุณลักษณะ lag-1

pandas สร้าง lag ด้วย shift การเรียกใช้ shift(1) จะเลื่อนค่าทุกค่าลงหนึ่งแถว ทำให้แต่ละแถวมองเห็นอดีตของตนเอง

อนุกรมส่วนใหญ่มักขึ้นอยู่กับอดีตอันใกล้ของตนเอง การป้อนคุณลักษณะ lag ที่ดีให้โมเดลช่วยให้โมเดลเรียนรู้ว่าเมื่อวานใช้ทำนายวันนี้ได้

การลบค่าก่อนหน้าออกจากค่าปัจจุบัน หรือค่าปัจจุบันลบด้วย lag จะได้ การเปลี่ยนแปลง ระหว่างช่วงเวลา นี่คือจุดเริ่มต้นของการหาผลต่าง

ชุดคุณลักษณะที่มีประสิทธิภาพมักผสานทั้งสองอย่างเข้าด้วยกัน ได้แก่ lag สองสามตัวกับค่าเฉลี่ยแบบ rolling ทั้งสองอย่างช่วยจับทั้งระดับและทิศทางในช่วงที่ผ่านมา

เมธอดใดของ pandas ที่เลื่อนค่าไปยังช่วงเวลาก่อนหน้าเพื่อสร้างคุณลักษณะ lag

คุณใช้หน้าต่างแบบ rolling เพื่อทำให้ข้อมูลราบเรียบ และใช้ lag ผ่าน shift เพื่อนำอดีตมาใช้ ทั้งสองอย่างเป็นพื้นฐานสำคัญของคุณลักษณะอนุกรมเวลา