Question

特征交叉是一种非常常见的技术，用于在数据集中查找非线性关系。如何通过跨表中的功能使用FeatureTools生成新功能？

Answer 1

可以使用primitive Multiply在Featuretools中自动跨越每对数字要素。作为代码示例，假设我们有虚构的数据框

       index  price  shares_bought       date
index                                        
1          1   1.00              3 2017-12-29
2          2   0.75              4 2017-12-30
3          3   0.60              5 2017-12-31
4          4   0.50             18 2018-01-01
5          5   1.00              1 2018-01-02

我们希望将price乘以shares_bought。我们会跑

es = ft.EntitySet('Transactions')
es.entity_from_dataframe(dataframe=df, entity_id='log', index='index', time_index='date')

from featuretools.primitives import Multiply

fm, features = ft.dfs(entityset=es,
                      target_entity='log',
                      trans_primitives=[Multiply])

将数据框设置为实体集，然后运行DFS以在所有可能的位置应用Multiply。在这种情况下，由于只有两个数字要素，我们将得到一个看起来像

的要素矩阵fm

       price  shares_bought  price * shares_bought
index                                             
1       1.00              3                    3.0
2       0.75              4                    3.0
3       0.60              5                    3.0
4       0.50             18                    9.0
5       1.00              1                    1.0

如果我们想要手动将基元应用于特定的特征对，则可以使用种子特征来实现。我们的代码将是

n12_cross = Multiply(es['log']['price'], es['log']['shares_bought'])

fm, features = ft.dfs(entityset=es,
                      target_entity='log',
                      seed_features=[n12_cross])

获得与上面相同的特征矩阵。

编辑：为了制作上面的数据帧，我使用了

import pandas as pd
import featuretools as ft
df = pd.DataFrame({'index': [1, 2, 3, 4, 5],
                   'shares_bought': [3, 4, 5, 18, 1],
                   'price': [1.00, 0.75, 0.60, 0.50, 1.00]})
df['date'] = pd.date_range('12/29/2017', periods=5, freq='D')

如何通过跨表中的功能使用FeatureTools生成新功能？

1 个答案: