De avgjørende trinnene i forbehandling av tidsseriedata for et prognoseprosjekt dekkes. Forbehandling sikrer at dataene er rene, godt strukturerte og klare for modelltrening. Temaer inkluderer skalering av funksjoner, deling av trenings- og testdata, og sekvensopprettelse, som alle er essensielle for effektiv datapreparering.

• Skalering av funksjoner: skalering av funksjoner er viktig for å sikre at alle inndata har lignende skala. Dette hjelper modeller som LSTM og ARIMA å konvergere raskere og forbedrer ytelsen. Vanlige teknikker for skalering inkluderer min-maks-skalering og standardisering (z-score-normalisering). Skalering hjelper modellen å fokusere på relasjonene i dataene i stedet for å bli påvirket av funksjoner med større verdier;

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

• Deling av trenings- og testdata: å dele datasettet i trenings- og testdeler er avgjørende for å evaluere modellens ytelse. Vanligvis deles et tidsseriedatasett kronologisk, der den tidlige delen brukes til trening og den senere delen til testing. Dette sikrer at modellen evalueres på data den ikke har sett før og etterligner virkelige prognosesituasjoner. Et vanlig forhold er 80 % til trening og 20 % til testing, men dette kan variere avhengig av størrelse og egenskaper ved dataene;

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:]

• Sekvensopprettelse: i tidsserieprognoser, spesielt ved bruk av modeller som LSTM, må dataene transformeres til sekvensformat. Sekvensopprettelse innebærer å forme dataene til inndata-utdata-par der hver inndata tilsvarer en sekvens av tidligere observasjoner, og utdata er den predikerte verdien for neste tidssteg. Dette er avgjørende for at modellene skal lære fra tidligere tidssteg og gi nøyaktige prediksjoner for fremtidige steg.

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)

Oppsummert er forbehandling et viktig steg i tidsserieprognoser. Ved å skalere funksjonene, dele dataene for trening og testing, og opprette sekvenser for modellinput, sikrer vi at dataene er godt forberedt for nøyaktig og effektiv prognostisering.