Nixtla/tsfeatures

解決的問題

提供一種標準化的方式，從時間序列資料中提取摘要統計量與特徵（features），這對於分析多個時間序列的行為，以及預測模型中的元學習至關重要。

工作原理

此套件實作了 R tsfeatures 套件的 Python 版本。它處理包含時間序列（具有 unique_id、ds 和 y 欄位）的 pandas DataFrame，並計算多種特徵，例如熵、穩定性、不規則性（lumpiness）與自我相關性。可自動推斷資料頻率，或使用自訂頻率字典。

適用對象

需要對時間序列資料進行定量特徵描述的資料科學家與分析師。

主要亮點

• 全面的特徵集：包含大量特徵，如 acf_features、arch_stat、entropy 和 unitroot_kpss。
• 可擴充性：使用者可定義自己的自訂特徵函數，與內建函數一同計算。
• R 整合：透過 rpy2 可直接從 Python 呼叫原始 R 實作的 tsfeatures。
• M4 方法論：預設情況下，計算 M4 競賽方法論中 FFORMA 模型所使用的特徵。