I passaggi fondamentali del preprocessing dei dati di serie temporali per un progetto di previsione vengono trattati. Il preprocessing garantisce che i dati siano puliti, ben strutturati e pronti per l'addestramento del modello. Gli argomenti includono scaling delle feature, suddivisione train-test e creazione delle sequenze, tutti essenziali per una preparazione efficace dei dati.

• Scaling delle feature: lo scaling delle feature è importante per garantire che tutte le variabili in ingresso siano su una scala simile. Questo aiuta modelli come LSTM e ARIMA a convergere più rapidamente e a migliorare le loro prestazioni. Le tecniche comuni per lo scaling delle feature includono il min-max scaling e la standardizzazione (normalizzazione z-score). Lo scaling aiuta il modello a concentrarsi sulle relazioni all'interno dei dati invece di essere influenzato da feature con intervalli più ampi;

scaler = MinMaxScaler(feature_range=(0, 1))
scaled_train_data = scaler.fit_transform(train_data_raw)
scaled_test_data = scaler.transform(test_data_raw)

• Suddivisione train-test: suddividere il dataset in sottoinsiemi di addestramento e di test è essenziale per valutare le prestazioni del modello. Tipicamente, un dataset di serie temporali viene suddiviso in ordine cronologico, utilizzando la parte iniziale dei dati per l'addestramento e la parte finale per il test. Questo garantisce che il modello venga valutato su dati che non ha mai visto prima e simula scenari di previsione reali. Un rapporto comune è 80% per l'addestramento e 20% per il test, ma può variare in base alla dimensione e alle caratteristiche dei dati;

train_split_ratio = 0.8
train_size = int(len(price_data) * train_split_ratio)
train_data_raw = price_data[:train_size]
test_data_raw = price_data[train_size:]

• Creazione delle sequenze: nella previsione di serie temporali, soprattutto utilizzando modelli come LSTM, i dati devono essere trasformati in un formato sequenziale. Il passaggio di creazione delle sequenze consiste nel modellare i dati in coppie input-output dove ogni input corrisponde a una sequenza di osservazioni passate e l'output è il valore previsto per il passo temporale successivo. Questo è fondamentale affinché i modelli apprendano dai passi temporali precedenti e realizzino previsioni accurate per i passi futuri.

def create_sequences(data, seq_length):
xs = []
ys = []
      for i in range(len(data) - seq_length):
x = data[i:(i + seq_length)]
y = data[i + seq_length]
xs.append(x)
ys.append(y)
# Ensure numpy arrays are returned, helps with tensor conversion later
return np.array(xs), np.array(ys)

In sintesi, il preprocessing è una fase fondamentale nella previsione delle serie temporali. Scalando le feature, suddividendo i dati per l'addestramento e il test, e creando sequenze per l'input del modello, si garantisce che i dati siano ben preparati per una previsione accurata ed efficiente.