"日付" 情報の活用
タイムスタンプを単なる数値だと考えがちですが、実世界の出来事に対応している点を忘れないでください。たとえば「平日か？」「第何四半期か？」といった追加情報がデータに含まれていることがよくあります。こうした情報は、時系列データの予測に役立つことが多いです。
この演習では、これらの「日付／時刻」ベースの特徴量を抽出します。単一の時系列が prices という変数に読み込まれています。
この演習はコースの一部です
Pythonで学ぶMachine Learningによる時系列データ解析
演習の手順
- 年中の曜日、月、四半期を計算します。
- それぞれを
prices_percDataFrame に列として追加し、列名は順にday_of_week、month_of_year、quarter_of_yearとします。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Extract date features from the data, add them as columns
prices_perc['day_of_week'] = prices_perc.____.____
prices_perc['month_of_year'] = prices_perc.____.____
prices_perc['quarter_of_year'] = prices_perc.____.____
# Print prices_perc
print(prices_perc)