关于Rocket变换仅输出1行结果的技术求助

sktime的Rocket变换是为面板时间序列数据设计的，它要求输入数据符合时间序列样本结构：每个样本对应一段时间序列（单变量或多变量均可）。

你当前的二维DataFrame被Rocket错误解析成了1个样本——整个DataFrame被当作是1个包含5个变量、长度为1000的时间序列，因此变换后仅输出1行结果。

需要将表格数据转换为sktime要求的面板时间序列格式，以下是两种常用实现方式：

方式1：转换为三维numpy数组 #

将原数据重塑为(n_samples, n_dimensions, n_timesteps)的结构。如果你的每个样本是单变量时间序列（含5个时间步），可以这样处理：

import pandas as pd
from sktime.transformations.panel.rocket import Rocket
from sklearn.datasets import make_classification

X, y = make_classification(
    n_samples=1000,
    n_features=5,
    n_informative=3,
    n_classes=2,
    random_state=999
)

# 重塑为三维数组：(1000个样本, 1个变量, 5个时间步)
X_rocket = X.reshape(1000, 1, 5)

rocket = Rocket(num_kernels=1000, random_state=0)
rocket.fit(X_rocket)
X_train_transform = rocket.transform(X_rocket)

print(X_train_transform.shape)  # 输出 (1000, 2000)

方式2：使用sktime的Panel DataFrame格式 #

通过多层索引DataFrame表示面板数据，第一层为样本ID，第二层为时间步：

import pandas as pd
from sktime.transformations.panel.rocket import Rocket
from sklearn.datasets import make_classification

X, y = make_classification(
    n_samples=1000,
    n_features=5,
    n_informative=3,
    n_classes=2,
    random_state=999
)

# 构建多层索引面板数据
df_list = []
for idx in range(X.shape[0]):
    sample_df = pd.DataFrame(X[idx], columns=["value"])
    sample_df["sample_id"] = idx
    sample_df["time_step"] = range(5)
    df_list.append(sample_df)

panel_df = pd.concat(df_list).set_index(["sample_id", "time_step"])

rocket = Rocket(num_kernels=1000, random_state=0)
rocket.fit(panel_df)
X_train_transform = rocket.transform(panel_df)

print(X_train_transform.shape)  # 输出 (1000, 2000)

如果你的数据本质是传统表格数据（非时间序列），Rocket并非最优选择。若确实需要用Rocket处理，必须保证输入符合它的时间序列样本逻辑——每个样本对应一段时间序列，而非一行特征值。

内容的提问来源于stack exchange，提问作者Saetthakij Naothaworn