fraunhoferportugal/tsfel

它解決了什麼問題

TSFEL 簡化了從時間序列數據中提取有意義特徵的過程，這是為機器學習模型準備數據的關鍵步驟。使用者無需手動實現數十種不同的數學公式，即可存取一個包含超過 65 種跨多個領域特徵的集中式函式庫。

運作方式

該函式庫提供了一個高階 API，允許使用者定義想要提取的特徵配置（例如按領域），然後將該配置應用於時間序列數據。它支援四個主要的分析領域：

• 統計 (Statistical)：基本指標，如平均值、變異數和熵。
• 時間 (Temporal)：基於時間的模式分析，例如過零率和自相關。
• 頻譜 (Spectral)：使用快速傅立葉轉換 (FFT) 和小波轉換等工具進行基於頻率的分析。
• 碎形 (Fractal)：對較長訊號中複雜模式的分析，例如赫斯特指數 (Hurst exponent)。

目標對象

從事時間序列分析的數據科學家和研究人員，例如分析心電圖 (ECG) 訊號或用於人類活動識別 (HAR) 的感測器數據的人員。

特色亮點

• 全面的特徵集：可存取超過 65 種涵蓋統計、時間、頻譜和碎形領域的特徵。
• 可重現的管線：可以儲存設定檔，以確保在不同數據集之間使用相同的提取過程。
• 計算成本估算：能夠提前估算特徵提取所需的時間。
• 可擴充性：使用者可以輕鬆地將自己的自定義特徵提取方法添加到函式庫中。