我是时间序列建模的新手，我想知道在时间序列设置中量化特征重要性的标准方法是什么？哪些类型的模型可以最大程度地解释特征空间？
我正在寻找一些东西，它的功能不一定像随机森林回归器的特征重要性调用，但提供了类似的洞察力。
计算时间序列数据的特征重要性
数据挖掘
时间序列
特征提取
2022-03-01 16:27:44
1个回答
对于时间序列数据，
- 敏感性分析可以帮助了解特征的整体重要性。例如，“星期几”是一个很好的股票价格预测功能。LIME 是一种可以提供帮助的方法。详情： https ://arxiv.org/abs/1606.05386 。一种简单的方法是屏蔽每个特征并检查对模型性能的影响。
- 自动关联和季节性去除（答案末尾的教程中的详细信息）
- SHAP：（SHapley Additive exPlanations）擅长识别影响延迟输出的特征（https://medium.com/datadriveninvestor/time-step-wise-feature-importance-in-deep-learning-using-shap-e1c46a655455）
端到端示例： https ://machinelearningmastery.com/feature-selection-time-series-forecasting-python/
其它你可能感兴趣的问题