Python时间序列分析：使用TSFresh进行自动化特征提取

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

TSFresh（基于可扩展假设检验的时间序列特征提取）是一个专注于自动化提取时间序列数据特征的工具框架。该框架所生成的特征可广泛应用于回归、分类以及异常检测等机器学习任务中，有效简化了传统时间序列分析中的特征工程流程，显著提升了建模效率。

在实际应用中，TSFresh能够处理数百种统计类特征，例如均值、方差、偏度及自相关性等，并结合统计显著性检验对这些特征进行筛选，保留具有解释力的关键特征，同时剔除冗余或不相关的部分。此方法适用于单变量和多变量时间序列场景，具备良好的通用性和扩展性。

其核心工作流程主要包括三个阶段：首先将原始数据转换为指定格式；随后调用

extract_features

执行自动化的特征提取；最后可根据需要使用

select_features

完成特征选择步骤。

输入数据需遵循长格式（Long Format）结构，每个时间序列必须包含一个唯一的标识列，用于区分不同序列个体，这是确保特征正确提取的基础要求。

id

构建示例与数据可视化

以下构建了一个包含100组观测、每组生成约100个特征的时间序列数据集：

importpandasaspd
 importnumpyasnp
 fromtsfreshimportextract_features
 fromtsfreshimportselect_features
 fromtsfresh.utilities.dataframe_functionsimportimpute
 fromtsfresh.feature_extractionimportEfficientFCParameters
 fromtsfresh.feature_extraction.feature_calculatorsimportmean
 fromsklearn.model_selectionimporttrain_test_split
 fromsklearn.ensembleimportRandomForestClassifier
 fromsklearn.metricsimportaccuracy_score, classification_report, confusion_matrix
 importmatplotlib.pyplotasplt
 importseabornassns
 # 构建大规模样本数据集
 np.random.seed(42)
 n_series=100
 n_timepoints=100
 time_series_list= []
 foriinrange(n_series):
     frequency=np.random.uniform(0.5, 2)
     phase=np.random.uniform(0, 2*np.pi)
     noise_level=np.random.uniform(0.05, 0.2)

     values=np.sin(frequency*np.linspace(0, 10, n_timepoints) +phase) +np.random.normal(0, noise_level, n_timepoints)

     df=pd.DataFrame({
         'id': i,
         'time': range(n_timepoints),
         'value': values
     })
     time_series_list.append(df)
 time_series=pd.concat(time_series_list, ignore_index=True)
 print("Original time series data:")
 print(time_series.head())
 print(f"Number of time series: {n_series}")
 print(f"Number of timepoints per series: {n_timepoints}")

为了直观理解数据结构，对其进行可视化分析：

# 选择性可视化时间序列数据
 plt.figure(figsize=(12, 6))
 foriinrange(5):  # 绘制前5条时间序列
     plt.plot(time_series[time_series['id'] ==i]['time'], 
              time_series[time_series['id'] ==i]['value'], 
              label=f'Series {i}')
 plt.title('Sample of Time Series')
 plt.xlabel('Time')
 plt.ylabel('Value')
 plt.legend()
 plt.savefig("sample_TS.png")
 plt.show()

从图形可以看出，数据呈现出预期的随机波动模式，符合真实世界中常见时间序列的基本特性，如噪声干扰与动态变化。

特征提取实现

当前数据具备典型的时间序列属性，包含一定的噪声和趋势波动。接下来利用

tsfresh.extract_features

函数启动特征提取过程。

# 执行特征提取
 features=extract_features(time_series, column_id="id", column_sort="time", n_jobs=0)
 print("\nExtracted features:")
 print(features.head())
 # 对缺失值进行插补处理
 features_imputed=impute(features)

部分输出结果如下所示（展示部分提取出的特征）：

value__mean  value__variance  value__autocorrelation_lag_1  
 id                                                               
 1          0.465421        0.024392                     0.856201  
 2          0.462104        0.023145                     0.845318

特征筛选策略

为提升模型训练效率并降低维度负担，需对提取出的大量特征进行精简。通过调用

select_features

函数，依据统计显著性水平对特征进行过滤。

# 构造目标变量（基于频率的二分类）
 target=pd.Series(index=range(n_series), dtype=int)
 target[features_imputed.index%2==0] =0  # 偶数索引分类
 target[features_imputed.index%2==1] =1  # 奇数索引分类
 # 执行特征选择
 selected_features=select_features(features_imputed, target)
 # 特征选择结果处理
 ifselected_features.empty:
     print("\nNo features were selected. Using all features.")
     selected_features=features_imputed
 else:
     print("\nSelected features:")
     print(selected_features.head())
 print(f"\nNumber of features: {selected_features.shape[1]}")
 print("\nNames of features (first 10):")
 print(selected_features.columns.tolist()[:10])

该步骤能有效识别出与目标变量存在强关联性的关键特征，从而提高后续建模的稳定性和预测能力。

在监督学习中的应用

特征工程的核心目标是为机器学习模型提供高质量的输入变量。TSFresh可与scikit-learn等主流机器学习库无缝对接，便于集成到标准建模流程中。

以下展示了其在分类任务中的具体应用实例：

# 分类模型构建
 # 数据集划分
 X_train_clf, X_test_clf, y_train_clf, y_test_clf=train_test_split(
     selected_features, target, test_size=0.2, random_state=42
 )
 # 随机森林分类器训练
 clf=RandomForestClassifier(random_state=42)
 clf.fit(X_train_clf, y_train_clf)
 # 模型评估
 y_pred_clf=clf.predict(X_test_clf)
 print("\nClassification Model Performance:")
 print(f"Accuracy: {accuracy_score(y_test_clf, y_pred_clf):.2f}")
 print("\nClassification Report:")
 print(classification_report(y_test_clf, y_pred_clf))
 # 混淆矩阵可视化
 cm=confusion_matrix(y_test_clf, y_pred_clf)
 plt.figure(figsize=(8, 6))
 sns.heatmap(cm, annot=True, fmt='d', cmap='Blues')
 plt.title('Confusion Matrix')
 plt.xlabel('Predicted')
 plt.ylabel('Actual')
 plt.savefig("confusion_matrix.png")
 plt.show()

# 特征重要性分析
 feature_importance=pd.DataFrame({
     'feature': X_train_clf.columns,
     'importance': clf.feature_importances_
 }).sort_values('importance', ascending=False)
 print("\nTop 10 Most Important Features:")
 print(feature_importance.head(10))
 # 特征重要性可视化
 plt.figure(figsize=(12, 6))
 sns.barplot(x='importance', y='feature', data=feature_importance.head(20))
 plt.title('Top 20 Most Important Features')
 plt.xlabel('Importance')
 plt.ylabel('Feature')
 plt.savefig("feature_importance.png")
 plt.show()

多变量时间序列支持

除了单变量处理外，TSFresh同样支持对多个变量同时进行特征提取，适用于复杂系统或多通道信号的数据分析场景。

# 多变量特征提取示例
 # 添加新的时间序列变量
 time_series["value2"] =time_series["value"] *0.5+np.random.normal(0, 0.05, len(time_series))
 # 对多个变量进行特征提取
 features_multivariate=extract_features(
     time_series, 
     column_id="id", 
     column_sort="time", 
     default_fc_parameters=EfficientFCParameters(),
     n_jobs=0
 )
 print("\nMultivariate features:")
 print(features_multivariate.head())

自定义特征函数扩展

为进一步增强灵活性，TSFresh允许用户通过

tsfresh.feature_extraction.feature_calculators

模块来自定义特征提取逻辑，满足特定业务需求或研究目标。

# 多变量特征提取实现
 # 构造附加时间序列变量
 time_series["value2"] =time_series["value"] *0.5+np.random.normal(0, 0.05, len(time_series))
 # 执行多变量特征提取
 features_multivariate=extract_features(
     time_series, 
     column_id="id", 
     column_sort="time", 
     default_fc_parameters=EfficientFCParameters(),
     n_jobs=0
 )
 print("\nMultivariate features:")
 print(features_multivariate.head())

以下为使用matplotlib对提取后的特征分布情况进行可视化展示：

# 计算时间序列均值特征
 custom_features=time_series.groupby("id")["value"].apply(mean)
 print("\nCustom features (mean of each time series, first 5):")
 print(custom_features.head())
 # 特征分布可视化
 plt.figure(figsize=(10, 6))
 sns.histplot(custom_features, kde=True)
 plt.title('Distribution of Mean Values for Each Time Series')
 plt.xlabel('Mean Value')
 plt.ylabel('Count')
 plt.savefig("dist_of_means_TS.png")
 plt.show()

# 特征与目标变量关系可视化
 plt.figure(figsize=(10, 6))
 sns.scatterplot(x=custom_features, y=target)
 plt.title('Relationship between Mean Values and Target')
 plt.xlabel('Mean Value')
 plt.ylabel('Target')
 plt.savefig("means_v_target_TS.png")
 plt.show()

总结

TSFresh在时间序列特征工程领域展现出强大的自动化能力。其通过系统化地生成大量候选特征，为下游机器学习任务提供了丰富的信息输入。然而，也应注意，自动生成的高维特征空间可能带来过拟合风险，尤其是在样本量有限的情况下。这一问题仍需结合具体应用场景开展更多实证研究加以验证与优化。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：python 时间序列分析 Fresh 时间序列 自动化

相关内容：Python时间序列分析