fraunhoferportugal/tsfel

解決する課題

TSFELは、時系列データから意味のある特徴量を抽出するプロセスを簡素化します。これは機械学習モデルのデータ準備において重要なステップです。ユーザーは数十もの異なる数学的公式を手動で実装する必要はなく、複数の領域にわたる65以上の特徴量にアクセスできます。

仕組み

このライブラリは高レベルAPIを提供しており、ユーザーは抽出したい特徴量の構成（領域別など）を定義し、それを時系列データに適用できます。以下の4つの主要な分析領域をサポートしています。

• 統計 (Statistical)：平均、分散、エントロピーなどの基本的な指標。
• 時間 (Temporal)：ゼロ交差率や自己相関など、時間ベースのパターン分析。
• スペクトル (Spectral)：高速フーリエ変換 (FFT) やウェーブレット変換などのツールを使用した周波数ベースの分析。
• フラクタル (Fractal)：ハースト指数など、長い信号における複雑なパターンの分析。

対象ユーザー

心電図 (ECG) 信号の分析や、人間活動認識 (HAR) のためのセンサーデータ分析など、時系列分析を行うデータサイエンティストや研究者。

主な特徴

• 包括的な特徴量セット：統計、時間、スペクトル、フラクタル領域にわたる65以上の特徴量にアクセス可能。
• 再現可能なパイプライン：設定ファイルを保存することで、異なるデータセット間で同じ抽出プロセスを確実に実行可能。
• 計算コストの推定：特徴量抽出に必要な時間を事前に推定可能。
• 拡張性：ユーザー独自のカスタム特徴量抽出メソッドをライブラリに簡単に追加可能。