Feature Engineering: 时间特征的工程要点有哪些？如何避免泄漏。

Core Concept: 滞后、滚动统计、周期性编码、时间差；必须保证只用过去信息（滚动窗口右对齐）。

四类时间特征：① <strong>时间戳分解</strong>——年/月/日/时/星期/是否节假日；注意星期与月份的<strong>周期性编码</strong>（用 sin(2πk/7)、cos(2πk/7) 而非 0–6 的整数，避免'周日与周一距离最大'的假象）；② <strong>滞后特征（lag）</strong>——过去 k 期的值（y_{t−1}, y_{t−2}…），捕捉自相关；③ <strong>滚动统计</strong>——过去 w 期的均值/标准差/最大最小/趋势斜率，捕捉局部动态；④ <strong>时间差特征</strong>——距上次事件的时间、事件频率、累积计数。<strong>泄漏的防范</strong>：核心原则是<strong>在时刻 t 只能用 t 之前（不含 t）的信息</strong>。具体做法：滚动窗口用 <code>x[t-w:t]</code>（右开区间，不含 t）而非 <code>x[t-w+1:t+1]</code>（含 t，泄漏）；预测目标若是由 t 时刻信息决定的（如 t 时刻的转化），则特征必须严格早于该时点。

实践要点：① <strong>最常见的泄漏写法</strong>——<code>df.rolling(w).mean()</code> 后再 <code>shift(-1)</code> 或直接对齐到当前行；正确做法是 <code>df.shift(1).rolling(w).mean()</code>（先滞后再滚动）或明确用右开区间。② <strong>时间序列 CV</strong>——必须用<strong>前向链式 CV</strong>（训练集只含验证集之前的时间），随机 K 折会用到未来信息导致严重乐观偏差；同理，特征标准化/分箱等预处理也必须只在训练时段拟合。③ <strong>周期性编码的选择</strong>——sin/cos 编码保留周期循环性；对非周期的时间（如'距项目开始的天数'）用原始数值即可。④ <strong>节假日与事件</strong>——节假日、促销日、系统变更等外生事件对时间序列影响巨大，应显式建模（二值标记或事件类别特征）。⑤ <strong>多序列与面板数据</strong>——若数据含多个实体（用户/商品），滚动特征需<strong>按实体分组</strong>计算（groupby 后再 rolling），且注意实体的生命周期（新实体无历史）；这是实践中极易出错的点。