Question

我是使用tsfresh的初学者。我用它来从时间序列中提取特征。使用下面的代码（tsfresh网站的示例代码）为一个名为F_x的特征提供了97个新功能（F_x__abs_energy，F_x__range_count__max_1__min_-1，F_x__variance，F_x__standard_deviation等）。但我不需要所有这些。假设我只想计算F_x__variance和F_x__standard_deviation。我应该在下面的代码中更改什么？

from tsfresh import extract_relevant_features
from tsfresh.feature_extraction import ComprehensiveFCParameters
settings = ComprehensiveFCParameters()

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

我还阅读了this文档，但我没有找到具体的事情要做，或者我可能不理解为初学者。如果我的网站出错，请纠正我。

Answer 1

所以您可以做两件事：

设置特征提取器的参数。可以通过在extract_features函数中设置参数“ default_fc_parameters”来完成。有可以使用的预定义设置。您也可以创建自己的版本并将其传递给函数。预定义的是“ ComprehensiveFCParameters”，“ MinimalFCParameters”和“ EfficientFCParameters”。这是完成此操作的示例：
```
from tsfresh.feature_extraction import ComprehensiveFCParameters 
from tsfresh.feature_extraction import extract_feature 
settings = ComprehensiveFCParameters() 
extract_features(df, default_fc_parameters=settings)
```
类似地，您可以将感兴趣的特征定义为字典，并将其作为“ kind_to_fc_parameters”传递给extract_features函数。看下面的例子：
```
kind_to_fc_parameters = {
"F_x": {"mean": None, "std": None, "Variance": None} , "F_y" ={"min": None , "max": None }}
extract_features(df, kind_to_fc_parameters =kind_to_fc_parameters)
```

通过获取所有功能，然后过滤出您感兴趣的功能。 extract_features函数的输出是一个数据框，因此您只需过滤出您要的特定列感兴趣。这是一个示例：

  import pandas as pd
  from tsfresh.examples.robot_execution_failures import download_robot_execution_failures, load_robot_execution_failures
  from tsfresh import extract_features download_robot_execution_failures()
  timeseries, y = load_robot_execution_failures()
  extracted_features = extract_features(timeseries, column_id="id", column_sort="time")
  print(extracted_features["F_x__abs_energy"])

查看documentation了解更多信息。如果这对您有帮助，请投票。

在python

1 个答案: