机器学习-时间序列问题的特征工程

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