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 прибор разделить разные образцы, я извлек признаки 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 ли, если Я использую PCA для уменьшения размерности всех этих функций, или мне следует выбрать подмножество функций для использования перед анализом?
Как такое большое количество функций может повлиять на результаты на PCA сюжет?
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