Criando várias features em janela deslizante de uma vez
Agora que você praticou uma engenharia de features simples, vamos para algo mais complexo. Você vai calcular um conjunto de features para seus dados de série temporal e visualizar como elas se comportam ao longo do tempo. Esse processo se assemelha a como muitos outros modelos de séries temporais operam.
Este exercício faz parte do curso
Machine Learning para dados de séries temporais em Python
Instruções do exercício
- Defina uma lista com quatro features que você vai calcular: o mínimo, o máximo, a média e o desvio padrão (nessa ordem).
- Usando a janela deslizante (
prices_perc_rolling) que definimos para você, calcule as features defeatures_to_calculate. - Plote os resultados ao longo do tempo, junto com a série temporal original, usando o código fornecido.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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()