Python TSFRESH-对称滑动窗口提取的特征

作为原始数据，我们对数据集中的每个受试者每30秒（

i=0,30,60,90，…720，…

）进行测量

我希望使用TSFRESH（软件包）提取时间序列特征，以便对于时间

I

的兴趣点，基于对称滚动窗口计算特征。

我们希望基于

i

之前3小时和

i

之后3小时的上下文测量来计算时间点

i，j

的特征向量。 因此，721 dim特征向量表示被6小时“上下文”包围的关注点，即关注点之前的360次测量和之后的360次测量。 对于每个感兴趣的点，应该基于721个

m_{i，j}

的测量值来提取特征

---

我曾尝试在

滚动时间序列（）

中使用

rolling\u direction

参数，但唯一的选项是在“时间”中向前或向后滚动-我正在寻找一种方法在特征计算中同时包含“过去”和“未来”数据。

如果我正确理解你的想法，甚至可以只用单面滚动来实现这一点。让我们举一个例子：

你想预测8:00的时间，你需要从5:00到11:00的数据。 如果以6h的大小和正滚动方向滚动数据，则最终将得到一个数据集，该数据集也正好包含这部分数据（5:00到11:00）。通常，它将用于11:00（或12:00）时的值训练-但没有任何东西阻止您使用它来预测8:00时的值。 基本上，这只是重新编制索引的问题

（负滚动方向实际上也是如此）

一种“变通”解决方案：

使用“

滚动时间序列

”功能两次；一个用于“向后”滚动（设置

滚动方向=1

），第二个用于“向前”（

滚动方向=-1

），然后将它们合并为一个

这将为原始数据集中的每个时间点

m{i，j}

$提供一个时间序列滚动对象，该对象具有360个“过去”值和360个“未来”值（即时间点位于窗口的中心，并且

max_timeshift=360

）

请注意以下

pandas

函数的使用：

concat（）、sort_values（）、drop_duplicates（）

——这些函数是必须的，此解决方案才能工作

import numpy as np
import pandas as pd
from tsfresh.utilities.dataframe_functions import roll_time_series
from tsfresh.feature_extraction import EfficientFCParameters, MinimalFCParameters

rolled_backward = roll_time_series(activity_data,
                                           column_id=id_column,
                                           column_sort=sort_column,
                                           column_kind=None,
                                           rolling_direction=1,
                                           max_timeshift=360)

rolled_farward = roll_time_series(activity_data,
                                           column_id=id_column,
                                           column_sort=sort_column,
                                           column_kind=None,
                                           rolling_direction=-1,
                                           max_timeshift=360)

        # merge into one dataframe, with rolled_farward and rolled_backward window for every time point (sample)
        df = pd.concat([rolled_backward, rolled_farward])

        # important! - sort and drop duplicates
        df.sort_values(by=[id_column, sort_column], inplace=True)
        df.drop_duplicates(subset=[id_column, sort_column, 'activity'], inplace=True, keep='first')