时间序列(time serie)分析系列之时间序列特征(feature)7

1.问题描述

时间序列数据作为一种典型的数据，常存在于各行各业。比如客流、车流、销量、KPI指标等等。
如何对时序数据加以利用，比如做未来预测，交通拥堵分类等问题。在采用机器学习算法之前，首先需要我们构建特征。因为大多数时序数据都是单变量或者维度特别少，所以特征的构建就比较重要。
笔者总结了几种特征，供大家参考，有更好的思路，非常欢迎提出来大家一起探讨。

---

2.特征构建

常见的时序数据格式如下：

时间time	对象value
2019-01-01	1234
2019-01-02	2334
2019-01-03	4324
2019-01-04	5314
2019-01-05	5890
2019-01-06	6782
…	…

对于上述这种单变量时序数据，如何构造特征呢？也不外乎两点，时间和对象：

• 时间特征
• 平移特征
• 窗口特征

2.1时间特征

因为时序数据是与时间相关联的数据分布于变化。因此可以提取出部分时间特征：

• 每天中的小时hour
• 每个月中的天day
• 每年中的季度season<