การใช้ข้อมูลวันที่และเวลา
เราอาจมองว่า timestamp เป็นแค่ตัวเลข แต่อย่าลืมว่าโดยทั่วไปแล้ว timestamp สอดคล้องกับเหตุการณ์ที่เกิดขึ้นในโลกจริง ซึ่งหมายความว่ามักมีข้อมูลเพิ่มเติมซ่อนอยู่ในข้อมูล เช่น "เป็นวันทำงานหรือเปล่า?" หรือ "อยู่ในไตรมาสไหน?" ข้อมูลเหล่านี้มักเป็นประโยชน์ในการพยากรณ์ข้อมูล time series
ในแบบฝึกหัดนี้ จะได้ดึง feature ที่อิงตาม วันที่/เวลา เหล่านี้ออกมา โดยมี time series ชุดหนึ่งโหลดไว้ในตัวแปรชื่อ prices แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning สำหรับข้อมูล Time Series ใน Python
คำแนะนำการฝึกหัด
- คำนวณ วันในสัปดาห์, เดือน ของปี และ ไตรมาส ของปี
- เพิ่มแต่ละค่าเป็นคอลัมน์ใน DataFrame
prices_percโดยใช้ชื่อday_of_week,month_of_yearและquarter_of_yearตามลำดับ
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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)