Python，从时间序列中提取特征（TSFRESH 包或者我可以使用什么？）
Python, extracting features form time series (TSFRESH package or what can I use?)
我需要一些时间序列特征提取方面的帮助，也许可以使用 TSFRESH 包。
我有大约 5000 个 CSV 文件，每个文件都是一个时间序列（它们的长度可能不同）。 CSV 时间序列非常简单：
CSV 时间序列文件示例：
|日期 |价值 |
| ------ | ----- |
| 1904 年 1 月 1 日 01:00:00,000000 | 1,464844E-3 |
| 1904 年 1 月 1 日 01:00:01,000000 | 1,953125E-3 |
| 1904 年 1 月 1 日 01:00:02,000000 | 4,882813E-4 |
| 1904 年 1 月 1 日 01:00:03,000000 | -2,441406E-3 |
| 1904 年 1 月 1 日 01:00:04,000000 | -9,765625E-4 |
| ... | ... |
除了这些 CSV 文件外，我还有一个元数据文件（CSV 格式），其中每一行代表 5000 个 CSV 时间序列中的一个，并报告有关该时间序列的更多一般信息，例如能量等
元数据 CSV 文件示例：
| CSV 时间序列的路径 |标签 |能源 |渗透 |孔隙率 |
| ------ | ----- | ------ | ----- | ----- | ---------- |
| ... | ... | ... | ... | ... | ... |
| ... | ... | ... | ... | ... | ... |
| ... | ... | ... | ... | ... | ... |
最重要的列是“标签”列，因为它报告 CSV 时间序列是否被标记为：
- 好
- 不好
我还应该考虑能量、渗透和孔隙率列，因为这些值在时间序列的标记中起着重要作用。 （我已经通过仅查看特征尝试了决策树，现在我想分析时间序列以提取知识）
我打算从时间序列中提取特征，这样我就可以理解是什么特征使一个时间序列被标记为“好”或“坏”。
如何使用 TSFRESH 执行此操作？
还有其他方法吗？
你能告诉我怎么做吗？谢谢:)
我目前正在做类似的事情并且 this example jupyter notebook from github 帮助了我。
基本流程简述：
- 以可接受的格式引入时间序列，有关详细信息，请参阅the tsfresh documentation
- 使用
X = extract_features(...) 从时间序列中提取特征
- Select 使用
X_filtered = select_features(X, y) 的相关功能，y 是您的标签，好或坏例如1 和 0.
- 将 select 个特征放入分类器中，也显示在 jupyter notebook 中。
我需要一些时间序列特征提取方面的帮助，也许可以使用 TSFRESH 包。
我有大约 5000 个 CSV 文件，每个文件都是一个时间序列（它们的长度可能不同）。 CSV 时间序列非常简单：
CSV 时间序列文件示例： |日期 |价值 | | ------ | ----- | | 1904 年 1 月 1 日 01:00:00,000000 | 1,464844E-3 | | 1904 年 1 月 1 日 01:00:01,000000 | 1,953125E-3 | | 1904 年 1 月 1 日 01:00:02,000000 | 4,882813E-4 | | 1904 年 1 月 1 日 01:00:03,000000 | -2,441406E-3 | | 1904 年 1 月 1 日 01:00:04,000000 | -9,765625E-4 | | ... | ... |
除了这些 CSV 文件外，我还有一个元数据文件（CSV 格式），其中每一行代表 5000 个 CSV 时间序列中的一个，并报告有关该时间序列的更多一般信息，例如能量等
元数据 CSV 文件示例： | CSV 时间序列的路径 |标签 |能源 |渗透 |孔隙率 | | ------ | ----- | ------ | ----- | ----- | ---------- | | ... | ... | ... | ... | ... | ... | | ... | ... | ... | ... | ... | ... | | ... | ... | ... | ... | ... | ... |
最重要的列是“标签”列，因为它报告 CSV 时间序列是否被标记为：
- 好
- 不好
我还应该考虑能量、渗透和孔隙率列，因为这些值在时间序列的标记中起着重要作用。 （我已经通过仅查看特征尝试了决策树，现在我想分析时间序列以提取知识）
我打算从时间序列中提取特征，这样我就可以理解是什么特征使一个时间序列被标记为“好”或“坏”。
如何使用 TSFRESH 执行此操作？ 还有其他方法吗？
你能告诉我怎么做吗？谢谢:)
我目前正在做类似的事情并且 this example jupyter notebook from github 帮助了我。
基本流程简述：
- 以可接受的格式引入时间序列，有关详细信息，请参阅the tsfresh documentation
- 使用
X = extract_features(...) 从时间序列中提取特征
- Select 使用
X_filtered = select_features(X, y)的相关功能，y是您的标签，好或坏例如1 和 0. - 将 select 个特征放入分类器中，也显示在 jupyter notebook 中。