Capítulo 8. Generación y selección de características para una serie temporal
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
En los dos capítulos anteriores hemos examinado métodos de análisis de series temporales que se basan en utilizar todos los puntos de datos de una serie temporal para ajustar un modelo. Sin embargo, como preparación para la discusión del próximo capítulo sobre la aplicación del aprendizaje automático al análisis de series temporales, en este capítulo estudiaremos la generación y selección de características para series temporales. Si no estás familiarizado con el concepto de generación de características, no lo estarás por mucho tiempo. Es un proceso intuitivo y que permite un lado creativo del análisis de datos.
La generación de características es el proceso de encontrar una forma cuantitativa de encapsular los rasgos más importantes de los datos de las series temporales en unos pocos valores numéricos y etiquetas categóricas. Estás comprimiendo los datos brutos de la serie temporal en una representación más breve, mediante un conjunto de rasgos que describen esa serie temporal (enseguida veremos un ejemplo rápido). Por ejemplo, una generación de características muy simple podría describir cada serie temporal con su valor medio y el número de pasos temporales de la serie. Ésta sería una forma de describir esa serie temporal sin recorrer paso a paso todos los datos en bruto.
El objetivo ...
Get Análisis Práctico de Series Temporales now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
