समय के साथ फीचर्स बनाना

Python में Time Series Data के लिए Machine Learning

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

विंडो से फीचर्स निकालना

.aggregate से फीचर एक्सट्रैक्शन

# कच्चे डेटा को देखें
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

# रोलिंग विंडो निकालें, फिर दो फीचर्स एक्सट्रैक्ट करें
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

अपने फीचर्स के गुण जाँचें!

Python में partial() का उपयोग

# केवल mean लेने पर एक ही मान मिलता है
a = np.array([[0, 1, 2], [0, 1, 2], [0, 1, 2]])
print(np.mean(a))

1.0

# partial function से np.mean को axis पैरामीटर के साथ इनिशियलाइज़ करें
from functools import partial
mean_over_first_axis = partial(np.mean, axis=0)
print(mean_over_first_axis(a))



[0. 1. 2.]

Percentiles आपके डेटा को समरी करते हैं

Percentiles आपके डेटा के अधिक सूक्ष्म सारांश देते हैं (सिर्फ np.mean के बजाय)
किसी डेटासेट के लिए, Nth percentile वह मान है जहाँ डेटा का N% उससे नीचे और 100-N% उससे ऊपर होता है।

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

40.0

np.percentile() और partial functions से कई percentiles निकालना

data = np.linspace(0, 100)

# लिस्ट कॉम्प्रिहेंशन से फंक्शंस की लिस्ट बनाएँ
percentile_funcs = [partial(np.percentile, q=ii) for ii in [20, 40, 60]]

# हर फंक्शन का आउटपुट एक ही तरह से निकालें
percentiles = [i_func(data) for i_func in percentile_funcs]
print(percentiles)

[20.0, 40.00000000000001, 60.0]

# रोलिंग विंडो के कई percentiles निकालें
data.rolling(20).aggregate(percentiles)

"date-based" फीचर्स की गणना

अब तक हम "statistical" फीचर्स पर केंद्रित थे — जैसे "mean", "standard deviation" आदि, जो डेटा के सांख्यिकीय गुण दर्शाते हैं।
लेकिन याद रखें, टाइमसीरीज़ डेटा में अक्सर अधिक "human" फीचर्स भी होते हैं, जैसे हफ्ते का दिन, छुट्टियाँ, आदि।
ये फीचर्स कई वर्षों में फैले टाइमसीरीज़ डेटा पर काम करते समय उपयोगी होते हैं (जैसे समय के साथ स्टॉक वैल्यू)।

Pandas से datetime फीचर्स

# सुनिश्चित करें कि index datetime है
prices.index = pd.to_datetime(prices.index)

# datetime फीचर्स निकालें
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')

अभ्यास करते हैं!

Python में Time Series Data के लिए Machine Learning