Créer plusieurs caractéristiques glissantes en une fois
Maintenant que vous avez pratiqué une ingénierie de caractéristiques simple, passons à quelque chose de plus complexe. Vous allez calculer un ensemble de caractéristiques pour vos données de séries temporelles et visualiser leur évolution dans le temps. Ce processus ressemble à la manière dont de nombreux autres modèles de séries temporelles fonctionnent.
Cet exercice fait partie du cours
Machine Learning for Time Series Data in Python
Instructions
- Définissez une liste composée de quatre caractéristiques à calculer : le minimum, le maximum, la moyenne et l’écart-type (dans cet ordre).
- En utilisant la fenêtre glissante (
prices_perc_rolling) que nous avons définie pour vous, calculez les caractéristiques à partir defeatures_to_calculate. - Tracez les résultats dans le temps, ainsi que la série temporelle d’origine à l’aide du code fourni.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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()