4、特征工程：时域特征、频域特征与降维

各位同学，咱们今天聊聊特征工程。说实话，在噪声预测这个领域，模型选得再好，特征没整明白，那基本就是白搭。我见过太多人一上来就堆深度学习，结果效果还不如一个简单的线性回归——为什么？因为特征没抓到点子上。

我个人习惯把特征工程分成三步走：时域特征、频域特征，最后是特征选择与降维。咱们一个一个来。

4.1 时域特征：最直观的信号描述

时域特征，说白了就是直接看波形本身。你想想看，噪声信号随时间怎么跳动的？振幅大不大？波动剧烈不剧烈？这些都能用数学指标量化。

4.1.1 均值与方差

均值反映的是信号的直流分量，也就是背景噪声的基准水平。比如一个安静的图书馆，均值可能只有30dB；而一个繁忙的十字路口，均值可能到70dB。

方差则描述信号的波动程度。我在项目中遇到过一个问题：两个工厂的噪声均值差不多，但一个方差很大，另一个很小。后来发现，方差大的那个是间歇性冲击噪声（比如冲压机），方差小的则是持续性的风机噪声。你看，方差这个特征直接帮我们区分了噪声类型。

均值: μ = (1/N) * Σ x_i
方差: σ² = (1/N) * Σ (x_i - μ)²

4.1.2 峰值与峰值因子

峰值就是信号的最大绝对值。在噪声监测中，峰值往往对应着突发性事件——比如一声鸣笛、一次撞击。我建议把峰值和均值结合起来看，能判断噪声的冲击性。

峰值因子（Crest Factor）= 峰值 / 有效值。这个指标很有意思。如果峰值因子很大，说明信号里有明显的尖峰脉冲。我曾经用这个特征成功识别出了建筑工地的打桩噪声——它的峰值因子比交通噪声高出一大截。

4.2 频域特征：看穿噪声的“频谱指纹”

为什么要做频域分析？你想想看，一个50Hz的工频噪声和一个1000Hz的机械噪声，在时域上可能都是正弦波，但它们的频率成分完全不同。频域分析就是帮我们把信号“拆开”来看。

4.2.1 FFT与频谱

快速傅里叶变换（FFT）是频域分析的核心工具。它的作用是把时域信号转换到频域，让我们看到每个频率成分的幅值。

import numpy as np

def compute_fft(signal, sample_rate):
    n = len(signal)
    freqs = np.fft.fftfreq(n, 1/sample_rate)
    spectrum = np.fft.fft(signal)
    magnitude = np.abs(spectrum) / n  # 归一化幅值
    return freqs[:n//2], magnitude[:n//2]  # 只取正频率部分

嗯，这里要注意：FFT的结果是对称的，我们通常只取前一半（正频率部分）。另外，采样率的选择很关键——根据奈奎斯特定理，采样率至少要是最高频率的两倍。

4.2.2 频谱能量与频带划分

有了频谱之后，我们可以计算频谱能量。说白了就是把某个频段内的幅值平方求和。这个特征在环境噪声中特别有用，因为不同噪声源的能量分布在不同频段：

我在做城市噪声地图项目时，就把频谱分成了8个频带，每个频带提取能量值作为特征。结果模型准确率从72%直接跳到了89%。你看，频域特征就是这么管用。

4.3 特征选择与降维：给特征“瘦身”

特征不是越多越好。你想想看，如果提取了50个特征，其中30个都是冗余的，模型不仅训练慢，还容易过拟合。我个人的原则是：能用10个特征解决的问题，绝不用20个。

4.3.1 特征选择方法

特征选择，就是挑出最有用的特征。常用的方法有三种：

• 过滤法：计算每个特征与目标变量的相关性，保留相关性高的。比如用皮尔逊相关系数，阈值一般取0.3以上。
• 包裹法：用模型来评估特征组合的效果。比如递归特征消除（RFE），每次去掉最不重要的特征。
• 嵌入法：在模型训练过程中自动选择特征。比如Lasso回归，它会自动把不重要特征的系数压到0。

我建议初学者先用过滤法快速筛选，再用包裹法精调。这样效率最高。

4.3.2 PCA降维

主成分分析（PCA）是降维的经典方法。它的核心思想是：把原始特征投影到新的坐标轴上，新坐标轴的方向是数据方差最大的方向。

说白了，PCA就是在找数据“最分散”的方向。第一个主成分捕获最大的方差，第二个主成分捕获次大的方差，以此类推。我们通常保留累积方差贡献率达到85%-95%的前几个主成分。

from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler

# 标准化（PCA前必须做）
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# PCA降维
pca = PCA(n_components=0.95)  # 保留95%的方差
X_pca = pca.fit_transform(X_scaled)

print(f"原始特征数: {X.shape[1]}")
print(f"降维后特征数: {X_pca.shape[1]}")
print(f"各主成分方差占比: {pca.explained_variance_ratio_}")

4.4 本章知识体系

下面这张图总结了特征工程的完整流程。你可以看到，从原始信号出发，经过时域和频域特征提取，再到特征选择与降维，最终得到高质量的特征集。

最后说一句：特征工程没有标准答案。不同的噪声场景、不同的预测目标，需要的特征组合都不一样。我的建议是——先做加法（尽可能多地提取候选特征），再做减法（用特征选择和降维去掉冗余）。这个思路我在十几个项目里验证过，效果都还不错。