我有一周内用户在讨论论坛中的访问和发帖数据，这些数据包含活动的时间戳。基于这些论坛数据，我尝试预测用户的另一种行为（假设为X行为）。回归模型的初步结果显示，用户的论坛活动似乎与他们的X行为有关。除了这些累积特征：avg_visits_per_day（每日平均访问次数）和total_posts_whole_week（整周总发帖数），我还有每天的特征（0<a<8）：{a}_visits（第{a}天的访问次数）和{a}_posts（第{a}天的发帖数）。

因此，我总共有16个特征，使用这些特征构建的回归模型给出了 promising 的结果。所以，如果我能生成更多特征，将会更有意义。然而，我不知道对于这种时间序列数据是否有任何有用的特征提取策略。我正在使用sklearn，但没有看到适合此目的的方法。有什么想法或建议吗？

回答：

有很多选择，很难建议哪些更适合预测未知的“x行为”。然而，你可以：

1. 手动创建特征，代表原始数据中明显可用的信息，但目前的特征集中完全没有。例如，如果你不仅有日期，还有活动的时间记录 – 你可以构造额外的特征，如每天的首次/最后/平均访问时间（可能转换为分类早晨/白天/傍晚/夜晚），访问之间的平均时间等等。可能一周中的天信息也会有用。

2. 从现有特征集中手动创建相对特征：例如，每天的访问/发帖比例，自上次发帖以来的天数，最长的无访问期等

3. 如果有额外信息可用，则使用这些信息：用户的浏览器、操作系统、屏幕分辨率、帖子长度、帖子中出现的关键词、所属子论坛、新帖还是跟帖，… – 再次强调，很难事先判断什么会相关。

4. 使用像tsfresh或（较少自动化）hctsa这样的包进行自动特征提取