fraunhoferportugal/tsfel

해결하는 문제

TSFEL은 시계열 데이터에서 의미 있는 특징(feature)을 추출하는 과정을 단순화하며, 이는 머신러닝 모델을 위한 데이터 준비의 핵심 단계입니다. 사용자는 수십 가지의 수학 공식을 직접 구현할 필요 없이, 여러 도메인에 걸쳐 65개 이상의 다양한 특징을 포함하는 중앙 집중식 라이브러리를 활용할 수 있습니다.

작동 방식

이 라이브러리는 사용자가 추출하려는 특징의 구성(예: 도메인별)을 정의하고 이를 시계열 데이터에 적용할 수 있는 고수준 API를 제공합니다. 다음 네 가지 주요 분석 도메인을 지원합니다.

• 통계 (Statistical): 평균, 분산, 엔트로피와 같은 기본 지표.
• 시간 (Temporal): 제로 교차율(zero crossing rates) 및 자기상관(autocorrelation)과 같은 시간 기반 패턴 분석.
• 스펙트럼 (Spectral): 고속 푸리에 변환(FFT) 및 웨이블릿 변환과 같은 도구를 사용한 주파수 기반 분석.
• 프랙탈 (Fractal): 허스트 지수(Hurst exponent)와 같이 긴 신호에서 나타나는 복잡한 패턴 분석.

대상 사용자

심전도(ECG) 신호 분석이나 인간 활동 인식(HAR)을 위한 센서 데이터 분석 등 시계열 분석을 수행하는 데이터 과학자 및 연구자.

주요 특징

• 포괄적인 특징 세트: 통계, 시간, 스펙트럼, 프랙탈 도메인에 걸친 65개 이상의 특징 제공.
• 재현 가능한 파이프라인: 설정 파일을 저장하여 서로 다른 데이터셋 간에 동일한 추출 프로세스를 보장.
• 계산 비용 추정: 특징 추출에 필요한 시간을 사전에 추정하는 기능.
• 확장성: 사용자가 직접 정의한 커스텀 특징 추출 메서드를 라이브러리에 쉽게 추가 가능.