时间序列数据特征提取TsFresh–入门简介

TsFresh学习

          最近膜拜大佬写的GitHub学习到了一个时间序列数据特征提取的库-TsFresh，感觉好像挺牛逼的，去B站大学找了一下想找点资料学一学，尴尬的是…
发挥一下主观能动性，网上找了一下还好有官方文档！ 英文的

Introduction

    
官方文档第一句话就是说TsFresh是---------Tsfresh is used to to extract characteristics from time series，然后放了一个图片说这是你电脑周围温度一天的变化情况，假设你想计算不同的特征如最大最小气温，气温的平均值或者气温几次达到了峰值。

并表示如果没有TsFresh，想统计这些信息就只能手动的，但有了TsFresh就可以自动的帮你计算了，且TsFresh是对标python中的数据分析库pandas 和scikit-learn的，反正到现在啥都没见到，牛逼是先吹下了。

提取到的特征可以用来建立回归或者分类模型，通常提取的特征可以让看到时间序列的深层次的东西。
TsFresh适合用来做：
          1：预测机器的使用时间
          2：预测钢坯的质量
TsFresh不适合用来做：
          1：流数据
          2：用特征去训练模型（不想自己造轮子）
         说实话，这个第二个没看懂啥意思，啥自己造轮子。
还提供了GitHub链接，也有MATLAB包，叫做hctsa！

quick start

安装代码
pip insatll tsfresh

还提供了数据可以我们快速dive in，是一份机器人损坏的数据

from tsfresh.examples.robot_execution_failures import download_robot_execution_failures, \
load_robot_execution_failuresdownload_robot_execution_failures()timeseries, y = load_robot_execution_failures()

数据集的百度云链接
下面按照官网的指示一步一步操作。导入数据看看数据的基本样式。

其中id列是列表索引，没有啥意义，其他的六列代表着不同感知器给出的的时间序列，
y数据的意思是哪个索引的机器人是坏的还是好的,可以看一下数据的分布。
可以看出索引为1-5的都都是True，即表示没有损坏。可视化的展示id为3的数据

可以看出各个特征的变化
再看一下数据表示为False的数据特征变化。

上图人眼可以很直观的感受到数据的变化，但对于机器学习来说还是不行，需要将不同的特征转化成数字形式才行。tsfresh就派上用场了，可以提取超过1200中特征从这6个特征中。

稍微有点费时间，文档说现在可以自动删除nan的特征，应该是计算过程中可能有些特征不是数值型的，故计算会有nan类型的。，可以看一下都提取了哪些特征

可以导入label，提取最relevant的特征

在导入label的时候会有点小问题，用pandas读取的文件是dataframe类型的，但是函数要求必须得是series或者ndarray类型的 ，得进行格式转换并重索引label。
最后文档给出了一个根据提取到的特征用随机森林做分类的例子，有时间在看。