如何在保留时序结构的前提下从张量时间序列数据集提取关键特征？

你的数据是**(样本数, 序列长度, 特征数)**的三维张量，直接用Sklearn的SelectKBest、RFE这类方法需要拍平数据，会丢失时序结构，下面是几种不用破坏时序结构就能筛选特征的方案：

1. 基于时序统计量的映射筛选 #

先对每个特征的时间序列提取统计量（均值、方差、极值、时序差分统计等），把每个原始特征转换成一组统计特征，再用传统特征选择工具筛选，最后映射回原始特征维度。这种方法既保留了特征的时序信息，又能复用Sklearn的成熟工具。

示例代码：

import numpy as np
from sklearn.feature_selection import SelectKBest, f_classif

# 将列表转成三维张量
X = np.array(X_list)  # shape: (100, 10, 5)
y = np.array(y)

# 提取每个特征的时序统计量：均值+标准差
X_stats = np.hstack([
    X.mean(axis=1),  # 每个特征的时序均值，shape(100,5)
    X.std(axis=1)    # 每个特征的时序标准差，shape(100,5)
])  # 最终shape(100,10)，每两列对应一个原始特征的统计值

# 用SelectKBest筛选和标签相关性最高的统计特征
selector = SelectKBest(f_classif, k=4)
selector.fit(X_stats, y)

# 映射回原始特征
selected_feats = set()
for idx in np.where(selector.get_support())[0]:
    original_feat_idx = idx // 2  # 每两个统计特征对应一个原始特征
    selected_feats.add(original_feat_idx)

print("筛选出的原始特征索引：", sorted(selected_feats))

2. 基于深度学习注意力机制的自动筛选 #

用带注意力层的时序模型（比如LSTM+注意力），让模型自动学习每个特征在时序中的重要性，通过注意力权重的均值来判断特征的全局相关性，直接处理三维张量，完全保留时序结构。

示例代码：

import tensorflow as tf
from tensorflow.keras.layers import Input, LSTM, Dense, Layer
from tensorflow.keras.models import Model

# 自定义特征注意力层，输出特征重要性
class FeatureAttention(Layer):
    def __init__(self):
        super().__init__()
        self.dense = Dense(1, activation='tanh')

    def call(self, inputs):
        # inputs shape: (batch_size, seq_len, n_features)
        attn_weights = self.dense(inputs)  # 生成每个时序步的特征权重
        attn_weights = tf.nn.softmax(attn_weights, axis=1)  # 时序维度归一化
        # 对时序维度取平均，得到每个特征的全局权重
        global_feat_weights = tf.reduce_mean(attn_weights, axis=0)
        self.add_weight(name='feat_importance', shape=(n_features,), trainable=False)
        self.set_weights([global_feat_weights])
        return inputs * attn_weights  # 加权后的时序特征

# 构建模型
inputs = Input(shape=(n_sequences, n_features))
attended_feats = FeatureAttention()(inputs)
lstm_out = LSTM(32)(attended_feats)
outputs = Dense(1, activation='sigmoid')(lstm_out)

model = Model(inputs=inputs, outputs=outputs)
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

# 训练模型
model.fit(X, y, epochs=10, batch_size=8)

# 获取特征重要性并筛选top3
feat_importance = model.get_layer('feature_attention').get_weights()[0].flatten()
top_feats = np.argsort(feat_importance)[::-1][:3]
print("筛选出的原始特征索引：", top_feats)

3. 时序专用库的特征选择工具 #

用专门处理时间序列的库，比如sktime或tsfresh，它们支持直接处理三维时序数据，内置特征选择逻辑：

• sktime：可以先将时序数据转换为表格化特征，再结合分类器的特征重要性筛选原始特征
• tsfresh：自动提取大量时序特征，同时筛选出和标签相关的特征，可映射回原始特征维度

sktime示例代码：

from sktime.transformations.panel.reduce import Tabularizer
from sktime.feature_selection import FeatureSelector
from sklearn.ensemble import RandomForestClassifier

# 将时序张量转换为表格化特征（每个时序步作为一列）
tabularizer = Tabularizer()
X_tab = tabularizer.fit_transform(X)

# 用随机森林的特征重要性筛选特征
selector = FeatureSelector(
    estimator=RandomForestClassifier(),
    transform="feature_importance",
    k=5
)
selector.fit(X_tab, y)

# 分组计算原始特征的平均重要性
feat_importance = selector.estimator_.feature_importances_
grouped_importance = [np.mean(feat_importance[i*n_sequences : (i+1)*n_sequences]) for i in range(n_features)]

# 筛选top3特征
top_feats = np.argsort(grouped_importance)[::-1][:3]
print("筛选出的原始特征索引：", top_feats)

内容的提问来源于stack exchange，提问作者Pitone