Datewhale AI夏令营（机器学习 task3）

特征优化

1. 历史平移特征（Lag Features）

历史平移特征，也称为滞后特征，是通过将时间序列数据向前或向后移动一定的时间单位（如天、月、年等）来创建的。这些特征允许模型访问过去某个时间点的数据，从而捕捉时间序列数据中的时间依赖性和周期性。例如，在预测明天的股票价格时，可能会使用昨天、前天或上周的价格作为特征。

import pandas as pd  
import numpy as np  
  
# 示例数据  
data = {'date': pd.date_range(start='2023-01-01', periods=10, freq='D'),  
        'value': np.random.randn(10)}  
df = pd.DataFrame(data)  
  
# 创建历史平移特征  
# 例如，创建前一天（lag 1）和前两天（lag 2）的value作为特征  
df['lag_1'] = df['value'].shift(1)  
df['lag_2'] = df['value'].shift(2)  
  
# 注意：shift会导致NaN出现在最前面，你可能需要填充这些NaN值，或者根据你的需求进行其他处理  
df.dropna(inplace=True)  # 删除包含NaN的行  
  
print(df)

2. 差分特征（Difference Features）

差分特征是通过计算时间序列中相邻数据点之间的差异来获得的。一阶差分是最常见的，它反映了数据随时间的变化率或增长/减少情况。此外，还可以计算二阶差分（即差分的一阶差分），以揭示数据变化的加速度。差分特征有助于消除时间序列中的趋势和季节性成分，使数据更加平稳，适合进行进一步的分析和建模。

# 假设df是上面创建的DataFrame  
  
# 计算一阶差分  
df['diff_1'] = df['value'].diff()  
  
# 如果你想要计算二阶差分（即差分的一阶差分），可以这样做：  
df['diff_2'] = df['diff_1'].diff()  
  
# 注意：diff同样会导致NaN出现在最前面  
df.dropna(inplace=True)  # 如果你不想在数据中包含NaN  
  
print(df)

3. 窗口统计特征（Window-based Statistical Features）

窗口统计特征是通过在时间序列上滑动一个固定大小的窗口，并在每个窗口内计算统计量（如均值、最大值、最小值、中位数、方差等）来获得的。这些特征提供了关于数据在特定时间段内行为的信息，有助于捕捉短期和长期的变化趋势。

# 假设df是上面创建的DataFrame（但在应用窗口统计之前，通常不需要删除NaN）  
  
# 计算过去3个时间点的滚动平均值  
df['rolling_mean_3'] = df['value'].rolling(window=3).mean()  
  
# 计算过去3个时间点的滚动最大值  
df['rolling_max_3'] = df['value'].rolling(window=3).max()  
  
# 注意：rolling窗口的默认行为是保留NaN，直到窗口大小被填满  
print(df)  
  
# 如果你想要从窗口开始时就填充NaN（比如用窗口内的第一个有效值），可以使用min_periods参数  
df['rolling_mean_3_minp'] = df['value'].rolling(window=3, min_periods=1).mean()  
print(df)