时间序列挖掘分析：tsfresh特征提取概述

2022-10-07 06:57:33 文档大全网 [ 字体：小中大 ] [ 阅读： ]

【#文档大全网# 导语】以下是®文档大全网的小编为您整理的《时间序列挖掘分析：tsfresh特征提取概述》，欢迎阅读！
时间序列,提取,概述,挖掘,特征
提取特征概述

tsfresh.feature_extraction.feature_calculators

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)

absolute_sum_of_changes(x) agg_autocorrelation(x, param) agg_linear_trend(x, param) approximate_entropy(x, m, r) ar_coefficient(x, param)

augmented_dickey_fuller(x, param) autocorrelation(x, lag) binned_entropy(x, max_bins) c3(x, lag)

change_quantiles(x, ql, qh, isabs, f_agg) cid_ce(x, normalize) count_above_mean(x) count_below_mean(x) cwt_coefficients(x, param) energy_ratio_by_chunks(x, param) fft_aggregated(x, param) fft_coefficient(x, param) first_location_of_maximum(x) first_location_of_minimum(x) friedrich_coefficients(x, param) has_duplicate(x) has_duplicate_max(x) has_duplicate_min(x)

index_mass_quantile(x，param) kurtosis(x)

large_standard_deviation(x，r)

返回时间序列的绝对能量，即平方值的和返回序列x中连续更改的绝对值的和计算聚合函数