Извлечение признаков из временных рядов // Демо занятие курса «Machine Learning. Advanced»

Если на минутку представить, что временной ряд чем-то похож на аудиосигнал, то нам откроется чудесный мир новых способов генерации признаков из сферы обработки сигналов. Мы посмотрим, как дополнительные признаки улучшают качество моделей, научимся пользоваться автоматической генерацией в библиотеках tsfresh и tsfel, и решим задачку распознавания активности по данным акселерометра мобильного телефона.
«Machine Learning. Advanced» - otus.pw/pdAM/
Преподаватель: Дмитрий Сергеев - Senior Data Scientist в Oura
Подключайтесь к обсуждению в чате - otus.pw/STHJ/
Материалы к занятию - github.com/Dmi...
Следите за новостями проекта:
- Telegram: t.me/Otusjava
- ВКонтакте: otus.pw/850t
- LinkedIn: otus.pw/yQwQ/
- Хабр: otus.pw/S0nM/

[@qsdqwwqdwqdwq]

мужики подскажите есть тысячи неопределенных временных рядов, задача их кластеризовать, из десятков видосов (да и сам делал) понял, что классификация методами типа (k-means, DTW) результат даст очень очень размазанный, тут про извлечение признаков идет речь, думаю это то что мне нужно, если кто делал чего похожего ткните куда копать