Побудова кількох ковзних ознак одночасно
Тепер, коли ви попрактикувалися в базовому створенні ознак, перейдемо до складнішого. Ви обчислите набір ознак для своїх часових рядів і візуалізуєте, як вони змінюються з часом. Цей процес подібний до того, як працює багато інших моделей для часових рядів.
Ця вправа є частиною курсу
Machine Learning для часових рядів у Python
Інструкції до вправи
- Створіть список із чотирьох ознак, які ви обчислите: мінімум, максимум, середнє та стандартне відхилення (саме в такому порядку).
- Використовуючи ковзне вікно (
prices_perc_rolling), яке ми для вас визначили, обчисліть ознаки зfeatures_to_calculate. - Побудуйте графік результатів у часі разом із початковим часовим рядом, використовуючи наданий код.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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()