Skip to main content

> ML_KUTUPHANE // TSFRESH_v1.0

tsfresh

Blue Yonder / tsfresh developers — Zaman serileri için otomatik öznitelik çıkarımı ve hipotez odaklı öznitelik seçimi.

time-series-forecastingv0.20.2MITqualified
Resmi DokümantasyonKaynak Kod Deposu

Model Eğitimi (Training)

Destekleniyor
Desteklenen Hızlandırıcılar:
CPU
Dağıtık Eğitim (Distributed):Evet

Model Sunumu (Inference)

Destekleniyor
Inference Hızlandırıcıları:
CPU
Hedef Ortamlar (Targets):server

Neleri Sağlar (Ne Yapar)

  • +Zaman serisi başına 800'e kadar istatistiksel öznitelik çıkarma (Fourier katsayıları, otokorelasyon, entropi, tepe sayıları)
  • +Regresyon/sınıflandırma hedeflerine göre istatistiksel olarak anlamlı öznitelikleri filtrelemek için hipotez testi
  • +Dask ile çok çekirdekli ve dağıtık paralelleştirilmiş öznitelik çıkarımı
  • +Ham sensör dalga formlarını scikit-learn ve XGBoost için tabüler öznitelik matrislerine sorunsuz dönüştürme

Neleri Sağlamaz (Ne Yapmaz)

  • -Nöral ağ tahmin modellerini doğrudan eğitme
  • -Saniye altı tik aralıklarında gerçek zamanlı akış güncellemeleri yapma
  • -Yapılandırılmamış görüntüler veya doğal dil üzerinde çalışma

>Uygun İş Tipleri

  • Titreşim dalga formlarından rulman arızalarını tespit eden kestirimci bakım
  • Tıbbi EKG ve EEG dalga formu sınıflandırması
  • Gradyan artırma modeli eğitimi öncesi öznitelik mühendisliği

>Uygun Olmayan İş Tipleri

  • 10ms altı yanıt süresi gerektiren gerçek zamanlı akış mikro servisleri
  • Saf metin NLP modelleme
Veri Yerleşimi ve İkameti

Tamamen yerel süreç içi yürütme. Sıfır telemetri.

Güvenlik Değerlendirmesi

İzin verici ticari kullanım haklarına sahip MIT lisansı.

Operasyonel Metrikler ve Bilinen Kısıtlar

Olgunluk:mature
Öğrenme Eğrisi:low
Operasyon Yükü:low
Maliyet Seviyesi:free-oss
> Bilinen Kısıtlamalar:
  • Uzun yüksek frekanslı serilerde 800 öznitelik çıkarmak hesaplama açısından pahalı ve bellek yoğundur; örneklem limitleriyle extract_relevant_features kullanılmalıdır.

İlişkili Üretim Arıza Paternleri (Incidentpedia)

Bu kütüphaneyi üretimde kullanırken aşağıdaki arıza senaryolarına karşı fail-closed korumalar uygulayın:

thread-pool-exhaustion

> Birincil Kanıt ve Doğrulama Kaynakları

tsfresh Documentationofficial-docs • >=0.19.0, <=0.20.x
2026-09-25HIGH