DateTime列的特征工程

Question

我正在尝试训练一个模型来预测我屋顶的太阳能发电。这是我当前的数据集：https://pastebin.com/gtZcGi2m。它是利用一些气象api和实际产生的电力建造的。

我在ML.NET中使用了这个，让它自动找到最好的模型。问题是，如果太阳辐射是0，但是时间大约是下午2点，它仍然可以预测2000-3000年的产生。基本上，它的表现很差。我认为分裂datetime列可能是有意义的。时间是最重要的组成部分，但也对月/日有影响。我怎样才能为自己的价值观做好准备，才能得到更好的榜样？

Answer 1

如果使用Python，则可以利用库特征引擎从时间戳中自动提取日期和时间组件。

如果时间戳在索引中，可以执行如下操作：

创建玩具数据集：

import pandas as pd

X = {"ambient_temp": [31.31, 31.51, 32.15, 32.39, 32.62, 32.5, 32.52, 32.68],
     "module_temp": [49.18, 49.84, 52.35, 50.63, 49.61, 47.01, 46.67, 47.52],
     "irradiation": [0.51, 0.79, 0.65, 0.76, 0.42, 0.49, 0.57, 0.56],
     "color": ["green"] * 4 + ["blue"] * 4,
     }

X = pd.DataFrame(X)
X.index = pd.date_range("2020-05-15 12:00:00", periods=8, freq="15min")

自动提取特征：

from feature_engine.datetime import DatetimeFeatures

dtf = DatetimeFeatures(variables="index")

Xtr = dtf.fit_transform(X)

Xtr

生成的dataframe：

                     ambient_temp  module_temp  irradiation  color  month  \
2020-05-15 12:00:00         31.31        49.18         0.51  green      5
2020-05-15 12:15:00         31.51        49.84         0.79  green      5
2020-05-15 12:30:00         32.15        52.35         0.65  green      5
2020-05-15 12:45:00         32.39        50.63         0.76  green      5
2020-05-15 13:00:00         32.62        49.61         0.42   blue      5
2020-05-15 13:15:00         32.50        47.01         0.49   blue      5
2020-05-15 13:30:00         32.52        46.67         0.57   blue      5
2020-05-15 13:45:00         32.68        47.52         0.56   blue      5

                     year  day_of_week  day_of_month  hour  minute  second
2020-05-15 12:00:00  2020            4            15    12       0       0
2020-05-15 12:15:00  2020            4            15    12      15       0
2020-05-15 12:30:00  2020            4            15    12      30       0
2020-05-15 12:45:00  2020            4            15    12      45       0
2020-05-15 13:00:00  2020            4            15    13       0       0
2020-05-15 13:15:00  2020            4            15    13      15       0
2020-05-15 13:30:00  2020            4            15    13      30       0
2020-05-15 13:45:00  2020            4            15    13      45       0

如果datetime特性位于一个或多个列中，而不是索引中，则可以指示在variables参数中使用哪些列：

dtf = DatetimeFeatures(variables=["var_1", "var_2"])

类DatetimeFeatures默认创建许多特性，您可以通过初始化转换器时设置参数features_to_extract="all"来创建所有可能的特性。或者，传递一个包含您想要创建的功能的列表。

DatetimeFeatures 文档中的更多细节。

DatetimeFeatures运行在熊猫dt模块的顶部。