我有关于用户的数据＆＃39;在论坛中访问和发布为期一周的时间，此数据包含活动的时间戳。根据这个论坛数据，我试图预测用户＆＃39;另一种行为（让我们说X行为）。回归模型的初步结果显示用户＆＃39;论坛活动似乎与他们的X行为相关联。除了这些累积功能： avg_visits_per_day ， total_posts_whole_week ，我还有每天的功能（0<a<8）： {a} _visits 和的 {A} _posts 即可。
因此，我总共有16个特征，使用这16个特征构建的回归模型给出了有希望的结果。因此，如果我能够生成更多功能，那将更有意义。但是，我不知道这些时间序列数据是否有任何有用的特征提取策略。我正在使用sklearn，但没有看到用于此目的的方法。有什么想法或建议吗？
答案 0 :(得分：3)
有很多选择，很难说出哪些选项对于预测未知＆＃34; x行为更有用。＆＃34;。但是，您可以：
手动创建表示原始数据中明显可用的信息的功能，但根本不存在于当前功能集中。例如，如果您不仅记录了日期，还记录了活动记录的时间 - 您可以在每天内构建第一个/最后一个/平均访问时间的其他功能（可能转换为分类早晨/白天/傍晚/夜晚），平均时间之间的访问等。可能星期几的信息也很有用。
手动创建现有设置的相关功能：例如，每天的访问/帖子比率，自上次发布以来的天数，没有访问的最长时间等等
如果可用，请使用其他信息：用户的浏览器，操作系统，屏幕分辨率，帖子长度，他/她的帖子中出现的关键字，它所属的子论坛，新帖子或后续信息起来...... - 再一次，事先很难说出什么是相关的。