tsfresh select_features 方法背后的算法
The algorithm behind tsfresh select_features method
我最近开始使用 tsfresh 库从时间序列数据中提取特征。
很酷，我可以用几行代码获得所有功能，但我对 select_features 方法背后的逻辑有疑问。我查看了官方文档并进行了谷歌搜索，但找不到用于此的算法。我想知道它是如何工作的，以便我可以决定在 tsfresh.
中数据处理后的特征选择阶段做什么
根据他们文档中的 that page，他们所做的是：
- 他们提取了一整套特征
- 他们单独测试不同特征的重要性（在监督设置中，所以测试类似于 "is this feature useful to predict that output?"）并使用称为 Benjamini-Yekutieli 程序的程序保留最重要的特征
他们提供的参考资料应该是您感兴趣的：
[1] Christ, M., Kempa-Liehr, A.W。和 Feindt, M. (2016)。面向工业大数据应用的分布式并行时间序列特征提取。 ArXiv 电子版：1610.07717 URL：http://adsabs.harvard.edu/abs/2016arXiv161007717C
[2] Benjamini, Y. 和 Yekutieli, D. (2001)。依赖下多重测试错误发现率的控制。统计年鉴，1165–1188
其中 [1] 是描述 tsfresh 的论文，[2] 是多重测试程序（上面称为 Benjamini-Yekutieli 程序）的参考。
我最近开始使用 tsfresh 库从时间序列数据中提取特征。
很酷，我可以用几行代码获得所有功能，但我对 select_features 方法背后的逻辑有疑问。我查看了官方文档并进行了谷歌搜索，但找不到用于此的算法。我想知道它是如何工作的，以便我可以决定在 tsfresh.
根据他们文档中的 that page，他们所做的是：
- 他们提取了一整套特征
- 他们单独测试不同特征的重要性（在监督设置中，所以测试类似于 "is this feature useful to predict that output?"）并使用称为 Benjamini-Yekutieli 程序的程序保留最重要的特征
他们提供的参考资料应该是您感兴趣的：
[1] Christ, M., Kempa-Liehr, A.W。和 Feindt, M. (2016)。面向工业大数据应用的分布式并行时间序列特征提取。 ArXiv 电子版：1610.07717 URL：http://adsabs.harvard.edu/abs/2016arXiv161007717C
[2] Benjamini, Y. 和 Yekutieli, D. (2001)。依赖下多重测试错误发现率的控制。统计年鉴，1165–1188
其中 [1] 是描述 tsfresh 的论文，[2] 是多重测试程序（上面称为 Benjamini-Yekutieli 程序）的参考。