1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uczenie maszynowe dla danych szeregów czasowych w Pythonie
Connected

ćwiczenie

Tworzenie cech z przesunięciem czasowym

W uczeniu maszynowym dla danych czasowych często wykorzystuje się informacje z poprzednich punktów czasowych do przewidywania kolejnego.

W tym ćwiczeniu „przesuniesz" swoje surowe dane i zwizualizujesz wyniki. Skorzystasz z szeregu zmiany procentowej, który obliczyłeś w poprzednim rozdziale – tym razem z bardzo krótkim oknem. Krótkie okno jest istotne, ponieważ w rzeczywistym scenariuszu zależy nam na przewidywaniu dziennych wahań szeregu czasowego, a nie jego zmian w dłuższym przedziale czasowym.

Instrukcje

100 XP
  • Użyj słownikowego wyrażenia listowego, aby utworzyć wiele wersji prices_perc z przesunięciem czasowym, korzystając z opóźnień określonych w shifts.
  • Przekształć wynik w obiekt DataFrame.
  • Skorzystaj z dostarczonego kodu, aby zwizualizować wyniki.