2021-03-22

本次学习的是特征工程，且主打的是时间序列相关的特征。主要学习了tsfresh包中的extract_features,select_features,impute 三个函数的使用。

其中，extract_features的功能是对一个已经整理成样本id，时间，数值形式的df进行特征提取，提取出时间序列相关的特征。使用方式是extract_features(df,column_id = 样本id,column_sort = 'time')

impute的功能是剔除生成特征中的Nan值，因为extract_features会生成固定的一组特征，其中有些特征对于输入数据的数据类型不适用，会产生Nan值。使用方法是impute(特征df)

select_features的功能是从大量特征中寻找有用特征,使用方法是select_features(特征df,y值df)

 

另外，为了把df处理成extract_features函数可用的形式，需要数据预处理，流程如下：

1.把df中的样本拍平，做成样本id，数值形式的series
train_heartbeat_df = data_train["heartbeat_signals"].str.split(",", expand=True).stack()
2.把series增加上index，变回df
train_heartbeat_df = train_heartbeat_df.reset_index()
3.把level_0列变成index。level_0列实际上是样本id
train_heartbeat_df = train_heartbeat_df.set_index("level_0")
4.把上一步得到的index的名称去掉
train_heartbeat_df.index.name = None
5.把剩余两列列名进行修改
train_heartbeat_df.rename(columns={"level_1":"time", 0:"heartbeat_signals"}, inplace=True)
6.把数值列从string改成float格式
train_heartbeat_df["heartbeat_signals"] = train_heartbeat_df["heartbeat_signals"].astype(float)