Os passos cruciais da pré-processamento de dados de séries temporais para um projeto de previsão são abordados. O pré-processamento garante que os dados estejam limpos, bem estruturados e prontos para o treinamento do modelo. Os tópicos incluem normalização de características, divisão em treino e teste e criação de sequências, todos essenciais para uma preparação eficaz dos dados.

• Normalização de características: a normalização de características é importante para garantir que todas as variáveis de entrada estejam em uma escala semelhante. Isso auxilia modelos como LSTM e ARIMA a convergirem mais rapidamente e melhorarem seu desempenho. Técnicas comuns de normalização incluem min-max scaling e padronização (normalização z-score). A normalização ajuda o modelo a focar nos relacionamentos dentro dos dados, em vez de ser influenciado por variáveis com maiores amplitudes;

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

• Divisão em treino e teste: dividir o conjunto de dados em subconjuntos de treinamento e teste é essencial para avaliar o desempenho do modelo. Normalmente, um conjunto de dados de séries temporais é dividido de forma cronológica, com a parte inicial dos dados sendo usada para treinamento e a parte final para teste. Isso garante que o modelo seja avaliado em dados que ainda não viu, simulando cenários reais de previsão. Uma proporção comum é 80% para treinamento e 20% para teste, mas isso pode variar conforme o tamanho e as características dos dados;

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:]

• Criação de sequências: em previsão de séries temporais, especialmente ao utilizar modelos como LSTM, os dados precisam ser transformados em formato sequencial. A etapa de criação de sequências envolve estruturar os dados em pares de entrada e saída, onde cada entrada corresponde a uma sequência de observações passadas e a saída é o valor previsto para o próximo passo temporal. Isso é fundamental para que os modelos aprendam com os passos anteriores e façam previsões precisas para os próximos passos.

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)

Em resumo, o pré-processamento é uma etapa vital na previsão de séries temporais. Ao normalizar as características, dividir os dados para treino e teste e criar sequências para entrada do modelo, garantimos que os dados estejam bem preparados para previsões precisas e eficientes.