时间序列特征提取技术应用案例分析
在大模型训练中，时间序列数据的特征工程是决定模型性能的关键环节。本文分享一个典型的特征提取踩坑案例，帮助数据科学家更好地理解时间序列特征构建。
问题背景
我们有一个销售数据集，包含每日销售额，目标是预测未来30天的销售情况。最初尝试使用简单的统计特征，但模型效果不佳。
踩坑过程
第一步：基础特征提取
import pandas as pd
import numpy as np
def basic_features(df):
df['lag_1'] = df['sales'].shift(1)
df['rolling_mean_7'] = df['sales'].rolling(window=7).mean()
df['rolling_std_7'] = df['sales'].rolling(window=7).std()
return df
结果：模型R²仅为0.23，明显不理想。
第二步：添加周期性特征
# 添加星期几特征
df['day_of_week'] = df['date'].dt.dayofweek
# 添加月份特征
df['month'] = df['date'].dt.month
# 构造周期性编码
from sklearn.preprocessing import OneHotEncoder
encoder = OneHotEncoder(sparse=False)
df_encoded = pd.DataFrame(encoder.fit_transform(df[['day_of_week']]))
df = pd.concat([df, df_encoded], axis=1)
结果：R²提升到0.45，但仍需优化。
成功实践
最终采用以下特征组合：
- 历史滞后特征（lag_1, lag_7）
- 滚动窗口统计特征（rolling_mean_30, rolling_std_30）
- 周期性特征（day_of_week, is_weekend）
- 时间位置特征（days_from_start）
使用sklearn的Pipeline进行特征工程，避免数据泄露问题。
复现建议
- 使用时间序列交叉验证
- 注意特征间相关性
- 避免未来信息泄露
讨论