Сколько функций необходимо извлечь для PCA с помощью Python tsfresh ⇐ Python

[Anonymous]

Я работаю над проектом, использующим данные газовых датчиков из массива газовых датчиков (15 датчиков). Когда я отбираю газ, этот прибор создает временной ряд со значением сопротивления, измеренным на каждом датчике. Поскольку я хотел провести поясняющий анализ данных и посмотреть, сможет ли этот инструмент разделить разные образцы, я извлек характеристики из кривых временных рядов, используя библиотеку Python tsfresh.
tsfresh генерирует множество функций для каждого временного ряда (я думаю, около 800), используя разные методы (стационарное состояние, преобразование Фурье и т. д.)...
Мой вопрос:
Ничего, если я использовать PCA для уменьшения размерности всех этих функций, или мне следует выбрать подмножество функций для использования до анализа?
Как такое большое количество функций может повлиять на результаты на графике PCA ?
Вот именно эту функцию я использовал:
from tsfresh import extract_features

extracted_features = extract_features(joined_dfs_final, column_id="id", column_sort="time")


Подробнее здесь: https://stackoverflow.com/questions/792 ... on-tsfresh