Birden çok yuvarlanan özelliği aynı anda üretme
Artık basit özellik mühendisliği alıştırması yaptın, şimdi daha karmaşık bir şeye geçelim. Zaman serisi verin için bir dizi özellik hesaplayacak ve bunların zaman içindeki görünümünü görselleştireceksin. Bu süreç, birçok başka zaman serisi modelinin çalışma biçimine benzer.
Bu egzersiz, kursun bir parçasıdır
Python ile Zaman Serisi Verileri için Machine Learning
Egzersiz talimatları
- Hesaplayacağın dört özellikten oluşan bir liste tanımla: minimum, maksimum, ortalama ve standart sapma (bu sırayla).
- Senin için tanımladığımız yuvarlanan pencereyi (
prices_perc_rolling) kullanarakfeatures_to_calculateiçindeki özellikleri hesapla. - Verilen kodla sonuçları, özgün zaman serisiyle birlikte zaman içinde görselleştir.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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()