Crear varias características móviles a la vez
Ahora que has practicado algo de ingeniería de características básica, pasemos a algo más complejo. Calcularás un conjunto de características para tus datos de series temporales y visualizarás cómo evolucionan a lo largo del tiempo. Este proceso se parece a cómo operan muchos otros modelos de series temporales.
Este ejercicio forma parte del curso
Machine Learning para datos de series temporales en Python
Instrucciones del ejercicio
- Define una lista con cuatro características que vas a calcular: el mínimo, el máximo, la media y la desviación estándar (en ese orden).
- Usando la ventana móvil (
prices_perc_rolling) que definimos para ti, calcula las características a partir defeatures_to_calculate. - Representa los resultados a lo largo del tiempo, junto con la serie temporal original, usando el código proporcionado.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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()