Featuretools时间序列特征工程实战指南-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00496/article/details/148464303

Featuretools时间序列特征工程实战指南

featuretools 项目地址: https://gitcode.com/gh_mirrors/fea/featuretools

时间序列预测与特征工程概述

时间序列预测是利用历史观测值预测后续目标值的技术。与常规机器学习问题不同，时间序列数据具有严格的时间顺序依赖性，近期观测值通常比远期观测值更具预测力。本文将深入探讨如何使用Featuretools自动化构建时间序列预测特征。

环境准备与数据加载

首先导入必要的库并加载示例天气数据：

import warnings
warnings.filterwarnings("ignore")
import pandas as pd
import featuretools as ft
from featuretools.primitives import Lag, RollingMean, RollingMin

# 加载天气数据集
es = load_weather()
es["temperatures"].head(10)

该数据集包含三个关键列：

id: 索引列
Date: 时间索引
Temp: 目标列（每日最低温度）

时间序列特征工程窗口理解

在单表时间序列问题中，特征工程窗口与多表情况有显著差异：

多表场景：窗口从当前时间点向前延伸，包含子表中的相关观测
单表场景：窗口从当前时间点向后延伸，仅包含同一列中的历史观测

对于单表时间序列，我们通常会在创建EntitySet前分割数据，而不是在特征矩阵计算时过滤：

split_point = int(df.shape[0]*.7)
training_data = df[:split_point]
test_data = df[split_point:]

关键参数：gap与window_length

为定义特征工程窗口，我们需要两个关键参数：

gap：当前时间点与最早可用数据点的时间间隔
- gap=7表示我们只能使用7天前的数据
- gap=0会包含当前观测，这在时间序列中必须避免（会导致数据泄露）
window_length：从gap点开始向前观察的时间长度
- window_length=5表示观察5天的数据窗口

gap = 7
window_length = 5

这两个参数共同定义了特征工程的有效时间范围。

时间序列特征原语

Featuretools提供三类特别适合时间序列的原语：

1. 日期时间转换原语

从时间索引中提取周期性特征：

datetime_primitives = ["Day", "Year", "Weekday", "Month"]

这些原语可以捕捉数据的季节性和周期性模式。例如，月份特征对温度预测非常有用。

2. 延迟原语

创建目标列的滞后版本：

delaying_primitives = [Lag(periods=i + gap) for i in range(window_length)]

这会为窗口中的每个时间点创建一个滞后特征，从t-gap-window_length到t-gap。

3. 滚动转换原语

对特征工程窗口进行聚合计算：

rolling_mean_primitive = RollingMean(
    window_length=window_length, gap=gap, min_periods=window_length
)

rolling_min_primitive = RollingMin(
    window_length=window_length, gap=gap, min_periods=window_length
)

特别注意gap参数必须正确设置，避免包含当前观测值。

执行深度特征合成(DFS)

配置好原语后，即可运行DFS生成特征矩阵：

fm, f = ft.dfs(
    entityset=es,
    target_dataframe_name="temperatures",
    trans_primitives=(
        datetime_primitives
        + delaying_primitives
        + [rolling_mean_primitive, rolling_min_primitive]
    ),
    cutoff_time=pd.Timestamp("1987-1-30"),
)

fm.iloc[:, [0, 2, 6, 7, 8, 9]].head(15)

生成的矩阵包含：