Tối Ưu Hóa Mô Hình Machine Learning: Kỹ Thuật Tạo Biến (Feature Engineering) Nâng Cao Cho Dữ Liệu Bảng Và Thời Gian

import numpy as np
import pandas as pd

# Khởi tạo hằng số cấu hình xử lý dữ liệu
ROLLING_WINDOW_SIZE = 3
DEFAULT_FILL_VALUE = 0

def create_tabular_features(df):
    """Tạo các biến tương tác và thống kê trên dữ liệu dạng bảng."""
    # Tạo biến tương tác giữa giá và số lượng
    df["Total_Value"] = df["Quantity"] * df["Unit_Price"]
    
    # Tạo biến phân khúc giá dựa trên giá trị trung bình
    mean_price = df["Unit_Price"].mean()
    df["Is_High_Value"] = (df["Unit_Price"] > mean_price).astype(int)
    
    return df

def create_time_series_features(df):
    """Tạo các biến trễ và cửa sổ trượt cho dữ liệu thời gian."""
    # Sắp xếp dữ liệu theo thời gian để đảm bảo tính tuần tự
    df = df.sort_values("Date").reset_index(drop=True)
    
    # Tạo biến trễ (Lag feature) cho doanh thu kỳ trước
    df["Revenue_Lag_1"] = df["Total_Value"].shift(1)
    
    # Tạo biến cửa sổ trượt tính trung bình động
    df["Revenue_Rolling_Mean"] = (
        df["Total_Value"]
        .rolling(window=ROLLING_WINDOW_SIZE)
        .mean()
    )
    
    # Điền giá trị thiếu phát sinh từ quá trình shift/rolling
    df.fillna(DEFAULT_FILL_VALUE, inplace=True)
    
    return df

if __name__ == "__main__":
    # Giả lập tập dữ liệu đầu vào
    raw_data = {
        "Date": pd.date_range(start="2026-05-01", periods=6, freq="D"),
        "Quantity": [10, 15, 8, 20, 25, 30],
        "Unit_Price": [100.0, 120.0, 110.0, 130.0, 125.0, 140.0]
    }
    
    base_df = pd.DataFrame(raw_data)
    
    # Thực thi quy trình Feature Engineering
    tabular_df = create_tabular_features(base_df)
    final_dataset = create_time_series_features(tabular_df)
    
    print(final_dataset[["Date", "Total_Value", "Revenue_Lag_1", "Revenue_Rolling_Mean"]])

import numpy as np
import pandas as pd

# Khởi tạo hằng số tổng số tháng trong một năm
MONTHS_IN_YEAR = 12

def create_cyclical_time_features(df):
    """Mã hóa tuần hoàn cho tháng bằng hàm lượng giác Sin và Cos."""
    # Chuyển đổi tháng sang hệ tọa độ lượng giác tuần hoàn
    df["Month_Sin"] = np.sin(2 * np.pi * df["Month"] / MONTHS_IN_YEAR)
    df["Month_Cos"] = np.cos(2 * np.pi * df["Month"] / MONTHS_IN_YEAR)
    
    return df

if __name__ == "__main__":
    # Giả lập dữ liệu có chứa thông tin tháng
    raw_data = {
        "Transaction_ID": [101, 102, 103, 104],
        "Month": [1, 6, 12, 1],  # Tháng 1 và 12 có giá trị lượng giác gần nhau
        "Amount": [500, 700, 1200, 450]
    }
    
    df_transactions = pd.DataFrame(raw_data)
    
    # Thực thi mã hóa tuần hoàn
    processed_df = create_cyclical_time_features(df_transactions)
    print(processed_df[["Month", "Month_Sin", "Month_Cos"]])

import pandas as pd

# Khởi tạo hằng số kích thước cửa sổ trượt theo nhóm
GROUP_WINDOW_SIZE = 2
DEFAULT_FILL_VALUE = 0.0

def create_category_rolling_features(df):
    """Tạo biến cửa sổ trượt doanh thu riêng biệt theo từng danh mục sản phẩm."""
    # Sắp xếp dữ liệu theo danh mục và thời gian để đảm bảo thứ tự
    df = df.sort_values(["Category", "Date"]).reset_index(drop=True)
    
    # Tính trung bình động doanh thu theo từng nhóm danh mục
    df["Category_Rolling_Sales"] = (
        df.groupby("Category")["Sales"]
        .transform(lambda x: x.rolling(window=GROUP_WINDOW_SIZE, min_periods=1).mean())
    )
    
    # Điền giá trị thiếu nếu có
    df.fillna(DEFAULT_FILL_VALUE, inplace=True)
    return df

if __name__ == "__main__":
    # Giả lập dữ liệu bán hàng đa danh mục
    sales_data = {
        "Date": pd.to_datetime(["2026-05-01", "2026-05-02", "2026-05-01", "2026-05-02"]),
        "Category": ["Electronics", "Electronics", "Clothing", "Clothing"],
        "Sales": [100, 200, 50, 80]
    }
    
    sales_df = pd.DataFrame(sales_data)
    
    # Thực thi tạo biến trượt theo nhóm
    grouped_df = create_category_rolling_features(sales_df)
    print(grouped_df[["Date", "Category", "Sales", "Category_Rolling_Sales"]])