快速开始

安装 tsfresh

由于编译后的 tsfresh 包托管在 Python Package Index (PyPI) 上，您可以使用 pip 轻松安装它

pip install tsfresh

如果您需要处理可能不适合内存的大型时间序列数据，请使用 Dask 安装 tsfresh

pip install tsfresh[dask]

另请参阅大型输入数据。

深入了解

在详细阅读文档之前，您可以直接通过以下示例深入了解 tsfresh

我们得到一个包含机器人故障的数据集，如 [1] 中所述。每个机器人记录来自六个不同传感器的时间序列。对于由不同 id 表示的每个样本，我们将分类机器人是否报告故障。从机器学习的角度来看，我们的目标是分类每组时间序列。

首先，我们将数据加载到 python 中

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

并得到一个形状如下的 pandas.DataFrame timeseries

print(timeseries.head())

	id	time	F_x	F_y	F_z	T_x	T_y	T_z
0	1	0	-1	-1	63	-3	-1	0
1	1	1	0	0	62	-3	-1	0
2	1	2	-1	-1	61	-3	0	0
3	1	3	-1	-1	63	-2	-1	0
4	1	4	-1	-1	63	-3	-1	0
…	…	…	…	…	…	…	…	…

第一列是 DataFrame 索引，在此没有意义。不同传感器有六个不同的时间序列（F_x, F_y, F_z, T_x, T_y, T_z）。不同的机器人由 ids 列表示。

另一方面，y 包含哪个机器人 id 报告了故障而哪个没有的信息

1	0
2	0
3	0
4	0
5	0
…	…

这里，ids 为 1 到 5 的样本没有报告故障。

下面我们展示 id 为 3 的样本报告无故障的时间序列

import matplotlib.pyplot as plt
timeseries[timeseries['id'] == 3].plot(subplots=True, sharex=True, figsize=(10,10))
plt.show()

以及 id 为 20 的样本报告故障的时间序列

timeseries[timeseries['id'] == 20].plot(subplots=True, sharex=True, figsize=(10,10))
plt.show()

您已经可以通过肉眼看到一些差异 - 但为了成功的机器学习，我们需要将这些差异转化为数字。

为此，tsfresh 应运而生。它允许我们自动为每个机器人从这六个不同的时间序列中提取超过 1200 个特征。

要提取所有特征，我们执行以下操作

from tsfresh import extract_features
extracted_features = extract_features(timeseries, column_id="id", column_sort="time")

您将得到一个包含 1200 多个不同提取特征的 DataFrame extracted_features。现在我们将首先移除所有 NaN 值（这些值是由无法用于给定数据的特征计算器生成的，例如，因为统计量过低），然后只选择相关的特征

from tsfresh import select_features
from tsfresh.utilities.dataframe_functions import impute

impute(extracted_features)
features_filtered = select_features(extracted_features, y)

只有大约 300 个特征被认为足够相关。

此外，您甚至可以使用 tsfresh.extract_relevant_features() 函数同时执行特征提取、填充和过滤

from tsfresh import extract_relevant_features

features_filtered_direct = extract_relevant_features(timeseries, y,
                                                     column_id='id', column_sort='time')

您现在可以使用 DataFrame features_filtered (与 features_filtered_direct 相同) 中的特征结合 y 来训练您的分类模型。您可以在 Jupyter notebook 01 Feature Extraction and Selection.ipynb 中找到一个示例，我们在其中使用提取的特征训练了一个 RandomForestClassifier。

参考资料