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

设计思路

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


输出结果


1、结果输出


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





2、FE后的字段


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



3、衍生字段案例具体实现过程


T1、选择的基字段(1个)


['id','Item_Identifier','Item_Weight','Outlet_Identifier','Outlet_Establishment_Year', 'Outlet_Size']



(1)、生成的所有衍生字段


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)



(2)、父衍生字段—outlet.COUNT(bigmart)


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


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。



(3)、子衍生字段的具体字段分析


outlet.MODE(bigmart.Item_Identifier)    字段的分析过程


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




T2、选择的基字段(2个)


['Item_Identifier','Item_Weight','Item_Fat_Content','Outlet_Identifier','Outlet_Establishment_Year', 'Outlet_Size']


id

Item_Identifier

Item_Weight

Item_Fat_Content

 

 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

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)





核心代码


#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)










 


上一篇:java B2B2C Springboot电子商务平台源码-统一日志管理ELK


下一篇:数据库产品事业部月刊(2019年6月)