Nixtla/tsfeatures

何を解決するか

時系列データから要約統計量や特徴（特徴量）を標準化された方法で抽出する手段を提供します。これは、複数の時系列の挙動を分析する際や、予測モデルにおけるメタラーニングにおいて不可欠です。

動作方法

このライブラリは、R の tsfeatures パッケージの Python 版を実装しています。unique_id、ds、y の列を含む pandas DataFrame を処理し、エントロピー、安定性、 lumpiness、自己相関など、幅広い特徴量を計算します。データの頻度を自動的に推定するか、カスタム頻度辞書を使用できます。

対象ユーザー

時系列予測および分析に取り組むデータサイエンティストやアナリストで、データを定量的に特徴づけたい方。

特徴

• 包括的な特徴量セット: acf_features、arch_stat、entropy、unitroot_kpss など、多数の特徴量を含みます。
• 拡張可能: ビルトインの特徴量と併せて、独自のカスタム特徴関数を定義して計算できます。
• R との統合: rpy2 を通じて、Python から直接元の R 実装の tsfeatures を呼び出せます。
• M4 メソドロジー: デフォルトで、M4 コンペティションの FFORMA モデルで使用される特徴量を計算します。