傳統(tǒng)的機器學習算法不能捕捉時間序列數(shù)據(jù)的時間順序。數(shù)據(jù)科學家需要執(zhí)行相關(guān)的特征工程，將數(shù)據(jù)的重要特征捕獲到幾個指標中。生成大量的時間序列特征并從中提取相關(guān)特征是一項耗時且繁瑣的工作。

python的tsfresh包可以為時間序列數(shù)據(jù)生成標準的數(shù)百個通用特性。在本文中，我們將深入討論tsfresh包的使用。

tsfresh 是一個可以生成數(shù)百個相關(guān)的時間序列特征的開源包。 從 tsfresh 生成的特征可用于解決分類、預(yù)測和異常值檢測用例。

tsfresh 包提供了對時間序列數(shù)據(jù)執(zhí)行特征工程的各種功能，包括：

• 特征生成
• 特征選擇
• 與大數(shù)據(jù)的兼容性

安裝tsfresh 也非常的簡單，官方提供了pip和conda的安裝方式：

pip install -U tsfresh# orconda install -c conda-forge tsfresh

1、特征生成

tsfresh 包提供了一個自動特征生成 API，可以從 1 個時間序列變量中生成 750 多個相關(guān)特征。 生成的特征廣泛，包括：

• 描述性統(tǒng)計（平均值、最大值、相關(guān)性等）
• 基于物理的非線性和復(fù)雜性指標
• 數(shù)字信號處理相關(guān)功能
• 歷史壓縮特征

使用 tsfresh.extract_features() 函數(shù)可以為 1 個時間序列變量從多個域生成 789 個特征。

import pandas as pdfrom tsfresh import select_features# Read the time-series datadf = pd.read_excel("train.xlsx", parse_dates=['date']).set_index('date')# automated feature generationfeatures = tsfresh.extract_features(df, column_id="date", column_sort="date")

因為特征太多，所以具體的所有特征的介紹請查看官方文檔。

2、特征選擇

tsfresh 包還提供了一個基于假設(shè)檢驗的特征選擇實現(xiàn)，可以用于識別目標變量的相關(guān)特征。 為了限制不相關(guān)特征的數(shù)量，tsfresh 包含了fresh算法（fresh 代表基于可擴展假設(shè)測試的特征提?。?。

tsfresh.select_features() 函數(shù)用戶可以實現(xiàn)特征選擇。

3、兼容大數(shù)據(jù)

當我們有大量的時間序列數(shù)據(jù)時。tsfresh還提供api來擴展特征的生成/提取，以及針對大量數(shù)據(jù)的特征選擇實現(xiàn):

• 多線程處理:默認tsfresh包可以將特征生成/提取和特征選擇在多核上并行執(zhí)行。
• 分布式框架：tsfresh還實現(xiàn)了一個自己的分布式框架，將特征計算分布在多臺機器上加快計算速度。
• Spark兼容：tsfresh還可以使用spark或Dask來處理非常大的數(shù)據(jù)。

最后總結(jié)，tsfresh可以通過幾行Python代碼中為時間序列特性生成和選擇相關(guān)特性。它會自動從基于時間的數(shù)據(jù)樣本的多個域中提取和選擇 750 +個經(jīng)過實際測試的特征。 它減少了數(shù)據(jù)科學家浪費在特征工程上的大量工作時間。

并且時間序列數(shù)據(jù)是相當大的，tsfresh 也通過多線程、支持dask和spark來處理單機處理不了的大數(shù)據(jù)樣本。