ML之FE:基于BigMartSales数据集利用Featuretools工具(1个dataframe表结构切为2个Entity表结构)实现自动特征工程之详细攻略
目录
基于BigMartSales数据集利用Featuretools工具(1个dataframe表结构切为2个Entity表结构)实现自动特征工程之详细攻略
(2)、父衍生字段—outlet.COUNT(bigmart)
相关文章
ML之FE:基于BigMartSales数据集利用Featuretools工具(1个dataframe表结构切为2个Entity表结构)实现自动特征工程之详细攻略
ML之FE:基于BigMartSales数据集利用Featuretools工具(1个dataframe表结构切为2个Entity表结构)实现自动特征工程之详细攻略实现
Item_Identifier | Item_Weight | Item_Fat_Content | Item_Visibility | Item_Type | Item_MRP |
Outlet_Identifier | Outlet_Establishment_Year | Outlet_Size | Outlet_Location_Type | Outlet_Type | id |
['id','Item_Identifier','Item_Weight','Outlet_Identifier','Outlet_Establishment_Year', 'Outlet_Size']
id | Item_Identifier | Item_Weight | |
Outlet_Identifier | outlet.Outlet_Establishment_Year | outlet.Outlet_Size | |
outlet.COUNT(bigmart) | outlet.MODE(bigmart.Item_Identifier) | outlet.NUM_UNIQUE(bigmart.Item_Identifier) | |
outlet.MAX(bigmart.Item_Weight) | outlet.MEAN(bigmart.Item_Weight) | outlet.MIN(bigmart.Item_Weight) | |
outlet.SKEW(bigmart.Item_Weight) | outlet.STD(bigmart.Item_Weight) | outlet.SUM(bigmart.Item_Weight) |
outlet.COUNT(bigmart)字段意义:是根据Outlet_Identifier字段内10个子类别的整体个数,分别进行填充设计。
outlet.COUNT(bigmart)字段内容:根据该字段的下拉列表可知,标记为1550的个数有4650个,是因为在Outlet_Identifier字段内,OUT035、OUT046、OUT049三个子类别均有1550个,所以,以上结果比较巧。
outlet.MODE(bigmart.Item_Identifier) 字段的分析过程
['Item_Identifier','Item_Weight','Item_Fat_Content','Outlet_Identifier','Outlet_Establishment_Year', 'Outlet_Size']
id | Item_Identifier | Item_Weight | Item_Fat_Content | ||
Outlet_Identifier | outlet.Outlet_Establishment_Year | outlet.Outlet_Size | |||
outlet.COUNT(bigmart) | outlet.MODE(bigmart.Item_Identifier) | outlet.NUM_UNIQUE(bigmart.Item_Identifier) | |||
outlet.MAX(bigmart.Item_Fat_Content) | outlet.MEAN(bigmart.Item_Fat_Content) | outlet.MIN(bigmart.Item_Fat_Content) | outlet.SKEW(bigmart.Item_Fat_Content) | outlet.STD(bigmart.Item_Fat_Content) | outlet.SUM(bigmart.Item_Fat_Content) |
outlet.MAX(bigmart.Item_Weight) | outlet.MEAN(bigmart.Item_Weight) | outlet.MIN(bigmart.Item_Weight) | outlet.SKEW(bigmart.Item_Weight) | outlet.STD(bigmart.Item_Weight) | outlet.SUM(bigmart.Item_Weight) |
- 2.2、特征衍生
- (1)、创建一个实体集EntitySet:实体集是一种包含多个数据帧及其之间关系的结构。
- ftES = ft.EntitySet(id = 'sales')
-
-
- (2)、规范化实体集:
- ftES.normalize_entity(base_entity_id='bigmart',
- new_entity_id='outlet',
- index = 'Outlet_Identifier',
- additional_variables = ['Outlet_Establishment_Year', 'Outlet_Size',
- 'Outlet_Location_Type', 'Outlet_Type',
- ])
-
-
-
- (3)、利用dfs函数自动创建新特征并输出
- feature_matrix, feature_names = ft.dfs(entityset=ftES,target_entity = 'bigmart',
- max_depth = 2,
- verbose = 1, n_jobs = -1,
- )
- print('feature_names: \n',len(feature_names),feature_names)
- print('feature_matrix:',feature_matrix.shape,type(feature_matrix),'\n',feature_matrix.iloc[:,:10].head())
- feature_matrix.to_csv('%sfeature_matrix.csv'%date)
-
- feature_matrix = feature_matrix.reindex(index=data_all['id']) reindex()函数,重新把列/行根据columns/index参数指定字段顺序整理一遍
- feature_matrix = feature_matrix.reset_index() reset_index()函数,重新设置dataframe的index,范围为0~len(df)
- feature_matrix.to_csv('%sfeature_matrix2reset_index01.csv'%date)
-
网站声明:如果转载,请联系本站管理员。否则一切后果自行承担。
加入交流群
请使用微信扫一扫!