机器学习-时间序列问题的特征工程
2017-10-15 20:57
330 查看
本博文总结在关于时间序列问题的模型中,特征工程的大体思路。特征提取的细节还得依据实际项目进行进一步优化。
时间序列模型中特征工程四个方向:
1 时间窗口统计特征
2 差分统计特征
3 转化特征
4 分解特征
一 时间窗口的统计特征
如上图,将时间分成若干个窗口,在每个窗口中进行特征提取
最大值,最小值,均值,分位数,最大差值,方差等等
二 差分统计特征
在一个周期内,同个时刻数值的增长率,或其他对比方式
三 转化特征
数据转化有如下几种方案
取对数,做差,做除等等
四,分解特征
1,季节性
2,周期性
3,趋势性
4,残差性
python有专门的分解函数库,貌似是statsmodels
分解特征的运用请参照我们实际项目中运用的方法
地址:http://blog.csdn.net/xinzhi8/article/details/78010242
时间序列模型中特征工程四个方向:
1 时间窗口统计特征
2 差分统计特征
3 转化特征
4 分解特征
一 时间窗口的统计特征
如上图,将时间分成若干个窗口,在每个窗口中进行特征提取
最大值,最小值,均值,分位数,最大差值,方差等等
二 差分统计特征
在一个周期内,同个时刻数值的增长率,或其他对比方式
三 转化特征
数据转化有如下几种方案
取对数,做差,做除等等
四,分解特征
1,季节性
2,周期性
3,趋势性
4,残差性
python有专门的分解函数库,貌似是statsmodels
分解特征的运用请参照我们实际项目中运用的方法
地址:http://blog.csdn.net/xinzhi8/article/details/78010242
相关文章推荐
- Hulu机器学习问题与解答系列 | 二十二:特征工程—结构化数据
- 机器学习 数据量不足问题----1 做好特征工程 2 不要用太多的特征 3 做好交叉验证 使用线性svm
- 特征工程(补充)--机器学习数据集里的不均衡数据问题
- 时间序列问题
- 【Trick】机器学习特征工程处理(一)
- 【机器学习系列之三】特征工程
- 机器学习:特征工程
- 机器学习中的特征选择问题
- 机器学习之特征工程
- 机器学习 特征工程
- 机器学习 特征工程之特征选择
- 机器学习之特征工程
- 机器学习笔记(十五)——HMM序列问题和维特比算法
- 最大子序列和问题的求解(时间复杂度为O(N))
- 数据预处理 | 机器学习之特征工程
- [置顶] 机器学习中的特征工程
- 机器学习之特征工程
- 机器学习之特征工程
- 机器学习的特征工程
- logistic regression的一些问题,不平衡数据,时间序列,求解惑