文章目錄

• 1.問題描述
• 2.特徵構建
• 2.1時間特徵
• 2.2平移特徵
• 2.3視窗特徵
• 3.總結

1.問題描述

時間序列資料作為一種典型的資料，常存在於各行各業。比如客流、車流、銷量、KPI指標等等。
如何對時序資料加以利用，比如做未來預測，交通擁堵分類等問題。在採用機器學習演算法之前，首先需要我們構建特徵。因為大多數時序資料都是單變數或者維度特別少，所以特徵的構建就比較重要。
筆者總結了幾種特徵，供大家參考，有更好的思路，非常歡迎提出來大家一起探討。

2.特徵構建

常見的時序資料格式如下：

對於上述這種單變數時序資料，如何構造特徵呢？也不外乎兩點，時間和物件：

• 時間特徵
• 平移特徵
• 視窗特徵

2.1時間特徵

因為時序資料是與時間相關聯的資料分佈於變化。因此可以提取出部分時間特徵：

• 每天中的小時hour
• 每個月中的天day
• 每年中的季度season
• 工作日/非工作日weekday/weekend
• 節假日是否holiday or not
  如何提取相關特徵呢？在pandas模組中，可以很容易提取。

data["time"] = pd.to_datetime(data["time"])#設定時間格式
data.set_index('time',drop=True,inplace=
 
True)#將時間列設定為索引
data["hour"] = data.index.hour#構建特徵
data["day"] = data.index.weekday
data["month"] = data.index.month
...

可以通過時間序列的週期等特徵，提取相關的時間特徵，檢視重要性，最終保留相關特徵。

2.2平移特徵

平移特徵也成為lag特徵，通過將物件value進行平移操作，獲取的特徵。平移特徵可以將時序資料，轉化為監督問題。

從上表可以看出平移(lag)特徵的意義了吧，通過將物件value向前滑動，如lag_1，向前滑動1位，lag_2，向前滑動2位。
那如何選擇lag的大小呢？
這裡面還有沒確定的說法，按照筆者的嘗試，主要根據你的時序資料的特性進行嘗試。比如按照時序資料的週期，以及臨近時間的相關性等。
但如果lag的大小選擇過小的話，容易產生過擬合；選擇過大的話，容易產生欠擬合。可以嘗試半個週期大小上下浮動除錯。

2.3視窗特徵

除了上述特徵以外呢，還可以將時間和物件兩個特徵結合起來，構建新的特徵，基於視窗的特徵。

• 視窗內均值mean
• 視窗內最大值max
• 視窗內最小值min

注意這裡面數據與上面的圖表略有區別。window_2_max，window=2的最大值。其他的視窗特徵類似。
不一定所有特徵都有用，還需要嘗試，檢視特徵重要性。
視窗大小的選擇，也是需要嘗試的。

3.總結

上述內容，主要講述了時序資料，如何提取相關的特徵。希望在實踐中不斷的嘗試。如果有好的想法，歡迎留言。謝謝。