8、时间序列机器学习入门

时间序列机器学习入门

1. Python实践：ROCKET与Shapelets

1.1 ROCKET变换

在时间序列处理中，学习步骤应仅应用于训练集。ROCKET（Random Convolutional Kernel Transform）是一种有效的时间序列特征提取方法，其中一个重要参数是内核数量，默认值为10,000，这里我们将其设置为1,000。以下是具体代码：

from sktime.transformations.panel.rocket import Rocket
rocket = Rocket(num_kernels=1000)
rocket.fit(X_train)
X_train_transform = rocket.transform(X_train)

经过ROCKET变换后返回的数据集不是嵌套的，包含2,000列，每列描述了整个时间序列，但来自不同内核的计算结果。

1.2 Shapelets实践

Shapelets是时间序列中的重要概念，我们可以使用SkTime库为之前处理的数据集创建Shapelets。具体步骤如下：

from sktime.transformations.panel.shapelets import ContractedShapeletTransform
shapelets_transform = ContractedShapeletTransform(
    time_contract_in_mins=1,