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
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
总结:
学习时间序列数据的特征预处理方法,时间序列特征处理工具的使用
Tsfresh(TimeSeries Fresh)**是一个Python第三方工具包。 它可以自动计算大量的时间序列数据的特征。此外,该包还包含了特征重要性评估、特征选择的方法,因此,不管是基于时序数据的分类问题还是回归问题,tsfresh都会是特征提取一个不错的选择。
https://blog.csdn.net/qq_22290797/article/details/108637240
https://zhuanlan.zhihu.com/p/102902622
特征提取:
from tsfresh.feature_extraction import extract_features | 一些参数默认,其他: ComprehensiveFCParameters参数 EfficientFCParameters参数 MinimalFCParameters参数
|
当提取特征时,使用默认参数,由于机器可能跑不出来,这时可以通过参数调整进行优化,如上图用使用“MinimalFCParameters参数”