多变量时间序列分类中的特征选择

Question

我有一个带有9变量的时间序列数据。我发现其中有4个功能。例如，我计算np.mean(), np.std(), np.var(), np.ptp()，现在我的列从36变量扩展到9变量。

sklearn中可用的特征选择方法适用于单变量数据。因此，当我将这些方法应用于多元数据时，他们不会发现np.mean()是否比np.std()更好。他们只会从36个变量中找到最佳变量。

所以我想知道，什么是处理多元数据的正确方法。

Answer 1

让我总结一下，以确保我首先了解您的问题。您有9个变量的时间序列数据，这意味着您有9个长度为L的通道，所以形状为L x 9的矩阵正确吗？现在，您在每个通道上计算4个特征，使其成为形状为L x 36的矩阵。

例如sklearn.selectKBest的目的是在36个特征向量中选择k个最佳特征。因此，例如，如果k = 18，则在变换后将得到形状为L x 18的矩阵。它选择18个最佳功能。

您能否详细说明您的问题以及您想要实现的目标？可能有一些代码？

编辑：

可能的解决方案，以查看选择了哪些功能：

from sklearn.datasets import load_digits
from sklearn.feature_selection import SelectKBest, chi2
X, y = load_digits(return_X_y=True)
# X.shape = (1797, 64)
kbest = SelectKBest(chi2, k=20)
kbest.fit(X, y)
X_new = kbest.transform(X)
# X_new.shape = (1797, 20)
selected_features = kbest.get_support()
# Returns a mask of X.shape[1]
array([False, False, False, False, False,  True,  True, False, False,
       False, False, False, False,  True, False, False, False, False,
       False,  True,  True,  True, False, False, False, False,  True,
       False,  True, False,  True, False, False,  True,  True, False,
       False, False, False, False, False,  True,  True,  True,  True,
       False,  True, False, False, False, False, False, False, False,
        True, False, False, False,  True, False, False,  True,  True,
       False])

现在您只需要记住哪些功能对应于用true掩盖的索引。

受sklearn文档启发SelectKBest（https://scikit-learn.org/stable/modules/generated/sklearn.feature_selection.SelectKBest.html#sklearn.feature_selection.SelectKBest）