《时间序列挖掘分析：tsfresh特征提取概述》由会员分享，可在线阅读，更多相关《时间序列挖掘分析：tsfresh特征提取概述（3页珍藏版）》请在金锄头文库上搜索。
1、提取特征概述此模块包含特征计算器，它将时间序列作为输入并计算特征值。以下详细列表包含当前版本 tsfresh 中计算的所有特征：abs energy(x)返回时间序列的绝对能量，即平方值的和absolute sum of changes(x)返回序列x中连续更改的绝对值的和agg autocorrelation(x, param)计算聚合函数fccc的值agg_linear_trend(x, param)计算在块上聚合的时间序列值与从0到块数减去1的序 列之间的线性最小二乘回归approximate entropy(x, m, r)实现一种矢量化近似熵算法ar coefficient(x, p
2、aram)此特征计算器符合自回归AR （k）过程的无条件最大似然augmented_dickey_fuller(x, param)Augmented Dickey-Fuller测试是一种假设检验，用于检查 时间序列样本中是否存在单位根autocorrelation, lag)根据公式计算指定滞后的自相关binned entropy(x, max bins)首先将x的值放入max bin等距的bin中c3(x, lag)此函数计算的值change quantiles(x, ql, qh, isabs, f agg)首先确定X分布的分位数ql和qh给出的区域cid_ce(x, normalize)
3、该函数计算器是时间序列复杂度的估计1（更复杂的时间序列具有更多的峰值，谷值等）count above mean(x)返回x中大于x的平均值的值的数量count below mean(x)返回x中小于x的平均值的值的数量cwt coefficients(x, param)计算Ricker小波的连续小波变换，也称“墨西哥帽小波”energy_ratio_by_chunks(x, param)计算在N个块中，块i的平方和，表示为与整个系列的平 方和的比率fft_aggregated(x, param)返回绝对傅立叶变换光谱的光谱质心（平均值）、方差、 偏斜和峰度fft_coefficient(x,
4、param)通过快速计算一维离散傅立叶变换的傅立叶系数用于实 际输入first location of maximum(x)返回x的最大值的第一个位置first location of minimum(x)返回x的最小值的第一个位置friedrich coefficients(x, param)多项式的系数h （x）,已拟合到has duplicate(x)检查x中是否有任何值出现多次has duplicate max(x)检查是否多次观察到x的最大值has duplicate min(x)检查是否多次观察到x的最小值index_mass_quantile(x, param)这些应用特征计算相
5、对指数i,其中时间序列x的质量的 q%位于i的左侧kurtosis(x)返回x的峰度（用调整后的Fisher-Pearson标准化力矩系数G2计算）large_standard_deviation(x, r)布尔变量，表示x的标准dev是否咼于r乘以范围等于X 的max和min的差值Iast location of maximum(x)返回x的最大值的相对最后位置last location of minimum(x)返回x的最小值的最后位置length(x)返回x的长度linear_trend(x, param)计算时间序列值与从0到时间序列长度减去1的序列的 线性最小二乘回归linear_t
6、rend_timewise(x, param)计算时间序列值与从0到时间序列长度减去1的序列的 线性最小二乘回归longest_strike_above_mean(x)返回x中最长的连续子序列的长度，该长度大于x的平均 值longest strike below mean(x)返回x中最长连续子序列的长度，该长度小于x的平均值max_langevin_fixed_point(x, r, m)最大动态定点：数学argmax_x h(x)= 0,根据多项式 h(x)估计maximum(x)计算时间序列x的最高值mean(x)返回x的平均值mean abs change(x)返回后续时间序列值之间的
7、绝对差值的平均值mean change(x)返回后续时间序列值之间差异的平均值mean second derivative central(x)返回二阶导数的中心近似的平均值median(x)返回x的中位数minimum(x)计算时间序列x的最小值number crossing m(x, m)计算m上的x的交叉数谁number cwt peaks(x, n)此特征计算器搜索x中的不同峰值number peaks(x, n)计算时间序列x中至少支持n的峰值数partial autocorrelation(x, param)计算给定滞后处的部分自相关函数的值percentage_of_reoccu
8、rring_datapoints_to_al l datapoints(x)返回多次出现在时间系列中的唯一值的百分比percentage_of_reoccurring_values_to_all_va lues(x)返回多次出现在时间序列中的唯一值的比率quantile(x, q)计算x的q分位数range count(x, min, max)计算区间min, max内的观测值ratio beyond r sigma(x, r)大于r * std(x) (so r sigma)的值与x的平均值的比率ratio_value_number_to_time_series_length(x)如果时间序
9、列中的所有值仅出现一次，则返回1,否则低 于1sample entropy(x)计算并返回x的样本熵set_property(key, value)此方法返回一个修饰符，用于将函数的属性键设置为valueskewness(x)返回x的样本偏度(使用调整后的Fisher-Pearson标准化 力矩系数G1计算)spkt_welch_density(x, param)该特征计算器估计不同频率下时间序列x的交叉功率谱 密度standard deviation(x)返回x的标准偏差sum of reoccurring data points(x)返回多个时间序列中存在的所有数据点的总和sum of reoccurring values(x)返回多次出现在时间系列中的所有值的总和sum values(x)计算时间序列值的总和symmetry looking(x, param)布尔变量，表示x的分布是否对称time reversal asymmetry statistic(x, lag)此函数计算的值value count(x, value)计算时间序列x中值的出现次数variance(x)返回x的方差variance larger than standard deviation(x)布尔变量，表示x的方差是否大于其标准偏差
