时序特征提取与数据预处理
时序特征提取:
1. 时间序列分解:将原始时序序列分解为趋势、季节性和随机
噪声分量,以提取不同时间尺度的特征。
2. 移动窗口统计:使用包含过去一段时间数据的滑动窗口,计
算诸如平均值、中位数、方差等统计量,捕捉时序序列的变化
趋势。
3. 差分和季节性差分:计算序列值之间的差异或过去季节性序
列值之间的差异,消除趋势和季节性分量,突显周期性模式。
数据预处理:
1. 数据清洗和归一化:去除异常值、缺失值,并通过缩放或正
则化将数据映射到统一范围内,以提高模型的鲁棒性和可解释
性。
2. 特征工程:根据时序序列的具体领域知识,创建新的特征,
如峰值、波谷、持续时间,以增强模型的特征表示能力。