4. 特征工程基础：时间特征提取与统计特征构建

各位同学，咱们今天聊聊特征工程里最基础、也最容易被忽视的一块——时间特征。说实话，我刚入行那会儿，总觉得把历史负荷数据扔进模型就能出结果。结果呢？模型表现平平，调参调到怀疑人生。后来我才明白，特征工程才是决定模型上限的关键，而时间特征就是其中的地基。

4.1 时间特征提取：小时、星期、节假日

时间特征说白了，就是把时间戳拆解成模型能理解的数值信息。我个人习惯把时间特征分成三类：周期性特征、日历特征、特殊事件特征。

4.1.1 小时特征

小时特征是最直观的。但这里有个坑——小时是循环变量。你想想看，23点和0点其实只差1小时，但如果直接用数值表示，23和0的欧氏距离是23，这显然不合理。

我在项目中遇到过这个问题，后来用了正弦-余弦编码来解决：

import numpy as np
import pandas as pd

def encode_hour(hour):
    """将小时编码为正弦-余弦特征"""
    hour_rad = 2 * np.pi * hour / 24
    return np.sin(hour_rad), np.cos(hour_rad)

# 示例
df['hour_sin'], df['hour_cos'] = zip(*df['hour'].apply(encode_hour))

这样处理后，23点和0点在二维空间中的距离就很近了。嗯，这里要注意，正弦-余弦编码适用于所有循环特征，比如月份、星期等。

4.1.2 星期特征

星期特征相对简单。我一般用两种方式：

• 数值编码：周一=1，周二=2，...，周日=7
• 独热编码：将星期展开为7个二进制特征

我个人更推荐独热编码，尤其是当数据量不大的时候。为什么？因为星期几和负荷之间往往是非线性关系，比如周一和周五的负荷模式可能完全不同，但数值编码会让模型误以为它们之间有线性关系。

4.1.3 节假日特征

节假日是负荷预测的难点。我曾经踩过一个坑——直接把节假日当成普通工作日处理，结果预测误差飙升。后来我总结了一套处理方案：

1. 构建节假日标签：0表示非节假日，1表示节假日
2. 区分节假日类型：春节、国庆等长假和普通周末的负荷模式完全不同
3. 添加节前/节后特征：比如节前1天、节后1天的负荷往往有特殊模式

def create_holiday_features(df, holiday_dates):
    """构建节假日特征"""
    df['is_holiday'] = df['date'].isin(holiday_dates).astype(int)
    df['days_to_holiday'] = (df['date'] - df['date'].shift(-1)).dt.days
    df['days_after_holiday'] = (df['date'] - df['date'].shift(1)).dt.days
    return df

4.2 滞后特征：让模型记住历史

滞后特征，说白了就是用过去的数据预测未来。这是时间序列预测最核心的特征之一。

我记得刚开始做负荷预测时，只用了前1小时的负荷作为滞后特征。结果模型在负荷突变时完全跟不上。后来我意识到，不同时间尺度的滞后特征都很重要：

滞后类型	说明	典型值
短期滞后	前1-6小时的负荷	lag_1, lag_2, ..., lag_6
日滞后	前1-7天同一时刻的负荷	lag_24, lag_48, ..., lag_168
周滞后	前1-4周同一时刻的负荷	lag_168, lag_336, ..., lag_672

def create_lag_features(df, target_col, lags):
    """创建滞后特征"""
    for lag in lags:
        df[f'lag_{lag}'] = df[target_col].shift(lag)
    return df

# 示例：创建前24小时和前168小时的滞后特征
lags = [1, 2, 3, 6, 12, 24, 48, 168]
df = create_lag_features(df, 'load', lags)

4.3 滑动窗口统计特征：捕捉趋势与波动

滑动窗口特征，就是在某个时间窗口内计算统计量。它能帮模型捕捉负荷的短期趋势和波动情况。

我常用的滑动窗口特征包括：

• 均值：反映窗口内的平均水平
• 标准差：反映窗口内的波动程度
• 最大值/最小值：反映窗口内的极端值
• 中位数：对异常值更鲁棒
• 偏度/峰度：反映分布形态

def create_rolling_features(df, target_col, windows):
    """创建滑动窗口统计特征"""
    for window in windows:
        df[f'rolling_mean_{window}'] = df[target_col].rolling(window=window).mean()
        df[f'rolling_std_{window}'] = df[target_col].rolling(window=window).std()
        df[f'rolling_max_{window}'] = df[target_col].rolling(window=window).max()
        df[f'rolling_min_{window}'] = df[target_col].rolling(window=window).min()
    return df

# 示例：创建3小时、6小时、12小时的滑动窗口特征
windows = [3, 6, 12]
df = create_rolling_features(df, 'load', windows)

这里有个经验之谈——窗口大小的选择很关键。窗口太小，特征噪声大；窗口太大，特征反应迟钝。我一般会结合业务场景来选择：

• 短期预测（1-6小时）：用3-12小时的窗口
• 中期预测（1-7天）：用24-168小时的窗口
• 长期预测（1-4周）：用168-672小时的窗口

4.4 知识体系总览

说了这么多，咱们用一张图来总结一下本章的核心内容：

好了，这一章的内容就到这里。特征工程是个细活，需要反复尝试和调整。我建议你在实际项目中，先构建基础特征，再逐步添加复杂特征，观察模型效果的变化。这样既能避免过拟合，也能找到真正有用的特征。