天池大赛-心跳信号分类预测：特征工程

• 比赛地址：零基础入门数据挖掘-心跳信号分类预测
• 参考资料：由DataWhale开源的学习资料，Tsfresh官方文档

1 学习目标

• 学习时间序列数据的特征预处理方法
• 学习时间序列特征处理工具 Tsfresh（TimeSeries Fresh）的使用

2 内容介绍

• 数据预处理
  • 时间序列数据格式处理
  • 加入时间步特征time
• 特征工程
  • 时间序列特征构造
  • 特征筛选
  • 使用 tsfresh 进行时间序列特征处理

3 代码示例

3.1 导入包并读取数据

# 包导入
import pandas as pd
import numpy as np
import tsfresh as tsf
from tsfresh import extract_features, select_features
from tsfresh.utilities.dataframe_functions import impute

# 数据读取
data_train = pd.read_csv("train.csv")
data_test_A = pd.read_csv("testA.csv")

print(data_train.shape)
print(data_test_A.shape)

(100000, 3)
(20000, 2)

data_train.head()

  	id		heartbeat_signals	                                label
0		0			0.9912297987616655,0.9435330436439665,0.764677…		0.0
1		1			0.9714822034884503,0.9289687459588268,0.572932…		0.0
2		2			1.0,0.9591487564065292,0.7013782792997189,0.23…		2.0
3		3			0.9757952826275774,0.9340884687738161,0.659636…		0.0
4		4			0.0,0.055816398940721094,0.26129357194994196,0…		2.0

data_test_A.head()

		id	    heartbeat_signals
0		100000	0.9915713654170097,1.0,0.6318163407681274,0.13…
1		100001	0.6075533139615096,0.5417083883163654