Ham veriyi dönüştürme

Son bölümde, hareketli ortalamayı hesaplamıştın. Bu egzersizde, önceki veri noktalarından oluşan bir pencerenin ortalamasına göre, en son veri noktasının yüzde değişimini hesaplayan bir fonksiyon tanımlayacaksın. Bu fonksiyon, hareketli bir pencere boyunca yüzde değişimi hesaplamana yardımcı olacak.

Bu, Machine Learning'de sıkça faydalı olan, daha kararlı bir zaman serisi türüdür.

Bu egzersiz, kursun bir parçasıdır

Python ile Zaman Serisi Verileri için Machine Learning

Kursa Göz Atın

Egzersiz talimatları

Girdi zaman serisini alan ve şunları yapan bir percent_change fonksiyonu tanımla:
- Girdi serisinin son değeri dışındaki tüm değerleri çıkar (bunları previous_values değişkenine ata) ve zaman serisinin yalnızca son değerini çıkar (bunu last_value değişkenine ata)
- Son değer ile önceki değerlerin ortalaması arasındaki yüzde farkını hesapla.
20'lik bir hareketli pencere kullanarak bu fonksiyonu prices üzerinde uygula ve verilen kodla görselleştir.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Your custom function
def percent_change(series):
    # Collect all *but* the last value of this window, then the final value
    previous_values = series[:____]
    last_value = series[-1]

    # Calculate the % difference between the last value and the mean of earlier values
    percent_change = (____ - np.mean(previous_values)) / np.mean(previous_values)
    return percent_change

# Apply your custom function and plot
prices_perc = prices.rolling(20).____
prices_perc.loc["2014":"2015"].plot()
plt.show()

Kodu Düzenle ve Çalıştır