Créer des features au fil du temps

Machine Learning for Time Series Data in Python

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

Extraire des features avec des fenêtres

Utiliser .aggregate pour extraire des features

# Visualize the raw data
print(prices.head(3))

symbol            AIG        ABT
date                            
2010-01-04  29.889999  54.459951
2010-01-05  29.330000  54.019953
2010-01-06  29.139999  54.319953

# Calculate a rolling window, then extract two features
feats = prices.rolling(20).aggregate([np.std, np.max]).dropna()
print(feats.head(3))

                 AIG                  ABT           
                 std       amax       std       amax
date                                                
2010-02-01  2.051966  29.889999  0.868830  56.239949
2010-02-02  2.101032  29.629999  0.869197  56.239949
2010-02-03  2.157249  29.629999  0.852509  56.239949

Vérifiez les propriétés de vos features !

Utiliser partial() en Python

# If we just take the mean, it returns a single value
a = np.array([[0, 1, 2], [0, 1, 2], [0, 1, 2]])
print(np.mean(a))

1.0

# We can use the partial function to initialize np.mean 
# with an axis parameter
from functools import partial
mean_over_first_axis = partial(np.mean, axis=0)

print(mean_over_first_axis(a))

[0. 1. 2.]

Les percentiles résument vos données

Les percentiles offrent des résumés plus fins des données (plutôt que d'utiliser np.mean).
Pour un jeu de données, le N-ième percentile est la valeur telle que N % des points sont en dessous et 100 − N % au-dessus.

print(np.percentile(np.linspace(0, 200), q=20))

40.0

Combiner np.percentile() et des fonctions partial pour calculer une plage de percentiles

data = np.linspace(0, 100)

# Create a list of functions using a list comprehension
percentile_funcs = [partial(np.percentile, q=ii) for ii in [20, 40, 60]]

# Calculate the output of each function in the same way
percentiles = [i_func(data) for i_func in percentile_funcs]
print(percentiles)

[20.0, 40.00000000000001, 60.0]

# Calculate multiple percentiles of a rolling window
data.rolling(20).aggregate(percentiles)

Calculer des features « basées date »

Jusqu'ici, nous avons surtout calculé des features « statistiques » : elles reflètent des propriétés des données, comme la « moyenne », l'« écart type », etc.
N'oubliez pas que les séries temporelles ont aussi des features plus « humaines » : jour de la semaine, jours fériés, etc.
Ces features sont utiles pour des séries couvrant plusieurs années (par exemple, la valeur d'une action dans le temps).

Features datetime avec Pandas

# Ensure our index is datetime
prices.index = pd.to_datetime(prices.index)

# Extract datetime features
day_of_week_num = prices.index.weekday
print(day_of_week_num[:10])

Index([0 1 2 3 4 0 1 2 3 4], dtype='object')

day_of_week = prices.index.day_name()
print(day_of_week[:10])

Index(['Monday' 'Tuesday' 'Wednesday' 'Thursday' 'Friday' 'Monday' 'Tuesday'
 'Wednesday' 'Thursday' 'Friday'], dtype='object')

Passons à la pratique !

Machine Learning for Time Series Data in Python