У цьому розділі розглядаються ключові етапи попередньої обробки даних часових рядів для проєкту прогнозування. Попередня обробка забезпечує чистоту, структурованість даних і їхню готовність до навчання моделі. Охоплюються такі теми, як масштабування ознак, розділення на навчальну та тестову вибірки і створення послідовностей — усі вони є необхідними для ефективної підготовки даних.

• Масштабування ознак: масштабування ознак важливе для того, щоб усі вхідні ознаки були в одному діапазоні. Це допомагає моделям, таким як LSTM та ARIMA, швидше сходитися та підвищує їхню ефективність. Поширені методи масштабування — це масштабування мінімум-максимум і стандартизація (z-score нормалізація). Масштабування дозволяє моделі зосередитися на взаємозв'язках у даних, а не бути упередженою через ознаки з більшими діапазонами;

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

• Розділення на навчальну та тестову вибірки: розділення набору даних на навчальну та тестову підвибірки є необхідним для оцінки ефективності моделі. Зазвичай набір даних часових рядів розділяється хронологічно: перша частина даних використовується для навчання, а пізніша — для тестування. Це гарантує, що модель оцінюється на даних, які вона раніше не бачила, і імітує реальні сценарії прогнозування. Типове співвідношення — 80% для навчання і 20% для тестування, але воно може змінюватися залежно від розміру та характеристик даних;

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:]

• Створення послідовностей: у прогнозуванні часових рядів, особливо при використанні моделей типу LSTM, дані потрібно перетворити у формат послідовностей. Етап створення послідовностей передбачає формування пар вхід-вихід, де кожен вхід відповідає послідовності попередніх спостережень, а вихід — це прогнозоване значення для наступного кроку часу. Це важливо для того, щоб моделі могли навчатися на попередніх кроках і робити точні прогнози на майбутнє.

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)

Підсумовуючи, попередня обробка є важливим етапом у прогнозуванні часових рядів. Масштабування ознак, розділення даних для навчання і тестування, а також створення послідовностей для подачі в модель забезпечують якісну підготовку даних для точного та ефективного прогнозування.