时间序列预测的特征工程技术

Ray

时间序列预测的特征工程技术

时间序列预测是数据科学中一个重要且具有挑战性的领域。为了提高预测模型的性能,特征工程在其中起着至关重要的作用。本文将介绍几种常用且强大的时间序列特征工程技术,帮助数据科学家更好地处理时间序列数据并提高预测准确性。

1. 滞后特征

滞后特征是时间序列预测中最基本也最重要的特征之一。它基于这样一个假设:过去的值对未来的值有影响。通过创建滞后特征,我们可以捕捉到时间序列的自相关性。

def create_lag_features(df, lag_list):
    for lag in lag_list:
        df[f'lag_{lag}'] = df['target'].shift(lag)
    return df

# 示例使用
df = create_lag_features(df, [1, 7, 30])

2. 滑动窗口特征

滑动窗口特征可以捕捉时间序列在不同时间尺度上的行为。常见的滑动窗口统计量包括均值、标准差、最大值和最小值等。

def create_rolling_features(df, window_list):
    for window in window_list:
        df[f'rolling_mean_{window}'] = df['target'].rolling(window).mean()
        df[f'rolling_std_{window}'] = df['target'].rolling(window).std()
    return df

# 示例使用
df = create_rolling_features(df, [7, 30, 90])

3. 趋势特征

趋势特征用于捕捉时间序列的长期变化趋势。可以使用简单的时间索引或更复杂的多项式特征来建模非线性趋势。

import numpy as np

def create_trend_features(df):
    df['linear_trend'] = np.arange(len(df))
    df['quadratic_trend'] = df['linear_trend'] ** 2
    df['cubic_trend'] = df['linear_trend'] ** 3
    return df

df = create_trend_features(df)

4. 季节性特征

季节性特征用于捕捉时间序列中的周期性模式。可以使用傅里叶项或者季节性哑变量来表示季节性。

import numpy as np

def create_fourier_features(df, freq, order):
    for n in range(1, order + 1):
        df[f'sin_{freq}_{n}'] = np.sin(2 * n * np.pi * df.index.dayofyear / freq)
        df[f'cos_{freq}_{n}'] = np.cos(2 * n * np.pi * df.index.dayofyear / freq)
    return df

# 示例使用:创建年度季节性特征
df = create_fourier_features(df, freq=365.25, order=3)

5. 日期时间特征

从日期时间中提取的特征可以帮助模型捕捉与时间相关的模式。

def create_datetime_features(df):
    df['hour'] = df.index.hour
    df['day_of_week'] = df.index.dayofweek
    df['quarter'] = df.index.quarter
    df['month'] = df.index.month
    df['year'] = df.index.year
    df['day_of_year'] = df.index.dayofyear
    df['week_of_year'] = df.index.isocalendar().week
    return df
df = create_datetime_features(df)

6. 外部特征

在许多实际应用中,外部因素对时间序列有重要影响。例如,在销售预测中,促销活动、假期等都可能是重要的外部特征。

def add_holiday_features(df, country='US'):
    from pandas.tseries.holiday import USFederalHolidayCalendar
    cal = USFederalHolidayCalendar()
    holidays = cal.holidays(start=df.index.min(), end=df.index.max())
    df['is_holiday'] = df.index.isin(holidays).astype(int)
    return df
df = add_holiday_features(df)

在实际应用中,这些特征工程技术通常需要结合使用,并根据具体问题进行调整。此外,使用特征选择方法来识别最相关的特征也是很重要的,因为并非所有生成的特征都对预测有帮助。

时间序列分解示例