时间序列-第三方库：tsfresh【特征提取、特征选择】

一、tsfresh概述

tsfresh 可以自动计算大量的时间序列特性，包含许多特征提取方法和强大的特征选择算法。

tsfresh 用于从时间序列和其他序列数据中进行系统特征工程。这些数据的共同点是它们按自变量排序。最常见的自变量是时间（时间序列）。

有一个名为hctsa的 matlab 包，可用于从时间序列中自动提取特征。也可以通过pyopy 包在 Python 中使用 hctsa 。其他可用的打包程序是featuretools、FATS和cesium。

pip install tsfresh

tsfresh官网:https://tsfresh.readthedocs.io/en/latest/index.html

tsfresh 用于从时间序列和其他序列数据中进行系统特征工程。这些数据的共同点是它们按自变量排序。最常见的自变量是时间（时间序列）。

如果没有 tsfresh，将不得不手动计算所有这些特征；tsfresh 自动计算并自动返回所有这些特征。

此外，tsfresh 与 Python 库pandas和兼容scikit-learn。

目前，tsfresh 不适合：

• 用于流式数据（流式数据是指通常用于在线操作的数据，而时间序列数据通常用于离线操作）；
• 在提取的特征上训练模型（我们不想重新发明轮子，要训练机器学习模型，请查看 Python 包 scikit-learn）；