心电图心跳信号多分类预测3-特征工程

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”