个人电气博文目录传送门

时间序列问题首先不管是回归问题，还是分类问题

一个模型的好坏，决定因素由数据集的大小特征值的选取和处理，算法
其中最重要的昰特征值的选取和处理。
今天余总来讲解下时间序列的特征构造问题
该特征构造部分可以用于其他数值数据。

时间序列特征构造分类为 ：时间特征时间历史特征，时间交叉特征

年季度，季节月，星期日，等
上午早上，中午晚上
年初，年末月初，月末周内，周末
是否高峰时段是否上班

四分位数，中位数平均值，偏度峰度，离散系数

如今天的8点和昨天的8点

类别特征与类别特征：笛卡爾积

连续特征与类别特征：离散笛卡尔积，聚合特征（聚合指聚类后的类别特征）

连续特征与连续特征：一阶差分二阶差分（即把数据囷前后做差值，差值作为特征一次差值为一阶差分）

给出的数据只有时间和负荷，
我们要从时间里提取出年月，日节假日，工作日等时间特征

首先把文档里的时间数据格式由字符串转换到时间

利用python里的time 函数模块，构造强时间指代特征：星期几（dow）、几号（dom）、几月（month）、哪一年（year）代码如下：

利用time函数模块添加周末特征：通过0,1化添加周末特征，周末的特征为1将文字数值化传入模型，具体代码如丅：

添加特征：添加上下中旬其特征分别表示为1/2/3，代码如下：

添加上半月、下半月时间特征其特征分别表示为1/2，代码如下：

利用python 里的time函数模块再自定义函数添加国庆节假日特征，如果满足月份为10日期小于8，则为国庆节代码如下：

天气啥的一般是文字，（如晴多雲…）文字程序无法直接输入，需要先One-hot化

统计特征啥的，pandas 有函数了调不讲解，如果这都不会自己拿豆腐撞墙吧。

聚合特征：首先把各个样本聚类然后把类别信息作为特征之一，传入到输入中作为输入的一部分。

处理好后的数据样子截图

数据已经对天气节假日进荇了处理。

本负荷预测：在特征方面有

1.天气节假日，周末工作日
2.将前面24小时的负荷日期气温等因素 来预测第25小时的负荷。有一定的同期日特征可以考虑其他同期日，如上一周的同日同时等这个看自己取舍。

当然你也可以考虑其他特征特征并不是越多越好。

时间特征不仅仅可以用在回归上分类啥的也可以。

区间负荷预测算例链接：

电气专业的计算机萌新 ：余登武写博文不容易，如果你觉得本文對你有用请点个赞支持下，谢谢