Mehrere rollierende Merkmale auf einmal erstellen
Nachdem du einige einfache Schritte im Feature Engineering geübt hast, gehen wir nun zu etwas Komplexerem über. Du berechnest eine Sammlung von Merkmalen für deine Zeitreihendaten und visualisierst, wie sie sich im Zeitverlauf darstellen. Dieser Ablauf ähnelt der Arbeitsweise vieler anderer Zeitreihenmodelle.
Diese Übung ist Teil des Kurses
Maschinelles Lernen für Zeitreihendaten in Python
Anleitung zur Übung
- Definiere eine Liste aus vier Merkmalen, die du berechnen wirst: Minimum, Maximum, Mittelwert und Standardabweichung (in dieser Reihenfolge).
- Berechne mithilfe des rollierenden Fensters (
prices_perc_rolling), das wir für dich definiert haben, die Merkmale ausfeatures_to_calculate. - Plotte die Ergebnisse über die Zeit zusammen mit der ursprünglichen Zeitreihe mit dem vorgegebenen Code.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Define a rolling window with Pandas, excluding the right-most datapoint of the window
prices_perc_rolling = prices_perc.rolling(20, min_periods=5, closed='right')
# Define the features you'll calculate for each window
features_to_calculate = [np.min, ____, ____, ____]
# Calculate these features for your rolling window object
features = prices_perc_rolling.____(features_to_calculate)
# Plot the results
ax = features.loc[:"2011-01"].plot()
prices_perc.loc[:"2011-01"].plot(ax=ax, color='k', alpha=.2, lw=3)
ax.legend(loc=(1.01, .6))
plt.show()