一种基于频率GINI系数的时序数据特征提取方法

本发明涉及人工智能技术领域，具体为一种基于频率GINI系数的时序数据特征提取方法，包括以下步骤，获取传感器采集的输入数据流，提取数据流中的特征参数，记录每个特征参数在每个时间点的数值，整理每个特征参数的时间序列数据，获取特征参数集。本发明通过引入标准GINI系数为核心的自动化特征工程方法，提升了数据预处理的效率和精度。利用GINI系数计算和阈值设定，能够识别和标记数据中的异常特征，减少了因数据异常引起的误差。此外，自动化的特征参数标记和异常隔离操作减少了对专家干预的依赖，提高了处理大数据集的能力。不仅加速了特征工程的处理流程，也提高了模型的泛化能力，因为它可以连续不断地适应新的数据输入。