基于tsfresh包的单类时间序列特征提取

最新推荐文章于 2025-01-16 17:52:04 发布

最新推荐文章于 2025-01-16 17:52:04 发布 · 1.3k 阅读

文章标签：

#python #机器学习 #时间序列 #tsfresh #特征提取

本文介绍了如何利用tsfresh库对单类时间序列数据，如苹果公司股票价格，进行特征提取和预测。通过滑动窗口技术创建训练数据样本，然后使用特征提取函数提取时间序列特征，最后用线性回归模型进行预测。这种方法适用于无多组实验数据的情况。

前言

时间序列特征提取包中tsfresh较为流行，但是其官方教程给出的例子是机器人故障的数据集，其中的id列为各组不同的实验。然后我就一直在想能否做单类的，比如电力预测，或者是某一条街道的交通预测，但是翻遍了文档都没找到，后来在github项目文件中找到了做单类预测的示例文件

我当时有这个想法的时候查过优快云上的其他有关tsfresh包的教程，大多都是搬运的官方文档的例子，没有单类预测的示例，下面我将结合代码，说明如何提取该类型的时间序列特征。

时序特征提取

导入必要包

import numpy as np
import pandas as pd
import matplotlib.pylab as plt

from tsfresh import extract_features, select_features
from tsfresh.utilities.dataframe_functions import roll_time_series, make_forecasting_frame
from tsfresh.utilities.dataframe_functions import impute

import pandas_datareader.data as web
from sklearn.linear_model import LinearRegression

准备数据集

我们将使用苹果公司的股票价格来展示如何同时处理一个时间序列（一只股票）。
我们从 "stooq "下载数据，只存储高值。

df = web.DataReader("AAPL", 'stooq')["High"]
print(df.shape)
df.head()

输出：

(1257,)
Date
2023-03-01    147.2285
2023-02-28    149.0800
2023-02-27    149.1700
2023-02-24    147.1900
2023-02-23    150.3400
Name: High, dtype: float64

绘制图形观察

plt.figure(figsize=(15, 6))
df.plot(ax=plt.gca())
plt.show()

请添加图片描述

整理数据集，添加标识符：

df_melted = pd.DataFrame({
   
   "high": df.copy()})
df_melted["date"] = df_melted.index
df_melted["Symbols"] = "AAPL"

df_melted.head()

输出：

	high	date	Symbols
Date			
2023-03-01	147.2285	2023-03-01	AAPL
2023-02-28	149.0800	2023-02-28	AAPL
2023-02-27	149.1700	2023-02-27	AAPL
2023-02-24	147.1900	2023-02-24	AAPL
2023-02-23	150.3400	2023-02-23	AAPL

创建训练数据样本

预测通常包括以下步骤：
- 收集到今天为止的的数据
- 进行特征提取（例如，使用extract_features函数）
- 训练一个预测模型
然而在训练中，我们需要多个例子来训练。如果我们只使用到今天为止的时间序列，我们将只有一个训练实例。因此，我们使用了一个技巧：滑动历史窗口。
想象一下有一个滑动的时间窗口在你的数据集上，在每个时间步长 $t$ ，你把窗口中的数据当作今天（包括 $t$ ）的数据来提取特征。直到时间 $t$ 的特征的目标是时间 $t$