问题标签 [feature-engineering]

我有以下场景：我在 Gui 层中有 Button 和 PreviewButton，它们有一个名为 BasedButton 的公共部分。Button只知道IButtonPresenter，ButtonPresenter的接口。按钮应该没有逻辑，演示者可以包含一些逻辑。问题是 PreviewButton 是一个非常简单的类，它不需要任何演示者。除了一件事： hasLed() 函数根据按钮类型（简单的开关情况）确定 Button 和 PreviewButton 是否有 LED。这个常见的 hasLed() 函数应该在哪里？ 我的想法：

1. PreviewButton 也应该有presenter，hasLed() 函数应该在Button 和PreviewButton 的presenter 的共同部分。问题：我应该只为这一个功能介绍演示者，这似乎是过度设计。

2. 把它放在这个逻辑：hasLed() 到 BasedButton（在 Button 和 PreviewButton 的共同部分）。问题：我试图避免在我的母语 Gui 中加入任何逻辑。

3. 创建一些命名空间（或使用按钮类型枚举命名空间！）并将这个简单的函数作为内联函数放入其中。问题：“逻辑”被放置在一个“奇怪”而不是预期的类中。

4. 将 hasLed() 函数放入我的演示者层中的一个管理器类中。优点：所有原生 Gui 类都可以访问管理器接口。并且代码保持通用（没有代码重复）。缺点：我的经理有这样的功能似乎有点奇怪。

5. 其他想法？

也许现在我会选择第四个...

当 FeatureTools 执行深度特征合成时，有没有办法记录它导出的常量值？

例如，我有很多这样的行： | loan_id | loan_term | |---------|:---------:| | a | 12 | | ... | ... | | z | 18 |

DeepFeatureSynthesis 工程师features包括<Feature: loan_term.COUNT(loan)>： | loan | loan_term | loan_term.COUNT(loan) | |---------|:---------:|:---------------------:| | a | 12 | 2000 | | ... | ... | ... | | z | 18 | 800 |

我希望能够重新设计单个实体的功能，以便单个贷款期限12具有 a loan_term.COUNT(loan)of2000而无需重新计算所有loan_terms。*

我可以通过将实体与训练数据重新组合来做到这一点 ft.calculate_feature_matrix(features, my_entity_set_with_one_new_entity_added)，但这效率低下且速度慢。

有没有办法指示 FeatureTools 记录在深度特征合成过程中发现的常量，并将它们用于未来的特征生成？

*现在将单个新贷款实体包括在计算中对我来说并不重要。所以12不必成为2001。

我在尝试创建实体集之间的关系时遇到了一个问题（使用我自己的数据）。没有错误，但它只是没有为我的一个实体（“prods”实体）创建功能，尽管一切都应该连接得很好。

我不能分享我的数据，但我用一些模拟数据创建了一个最小的例子：

创建模拟数据

定义实体集

创建关系

生成特征

输出：

这也应该向我展示产品变量的功能，但事实并非如此。

所以我希望 SUM 将每个客户的产品价格相加。相反，什么都没有。

最终，我想为有趣的值创建特征。但是由于没有显示产品变量，因此添加有趣的值也不起作用。

输出：

希望有人可以提供帮助:)

使用 python 和标准库，我想快速生成机器学习模型（分类器或回归器）的交互功能。因为手工进行特征工程可能很耗时，所以我正在寻找可以半自动化某些过程的标准 python 库和方法。例如，要生成用于分析的二次特征，我有以下代码：

我想简化这段代码，因为这种特征工程应该更加标准化和快速部署。它也不足，因为它需要更多的代码行来从特征列的加法、减法或除法中生成派生特征。

如何简化上面的代码？是否有标准的 Python 方法或库可以更有效地生成用于构建模型的派生特征？

我想创建一个多项式特征（GarageGrade），通过乘法将车库质量（GarageQual）与车库条件（GarageCond）结合起来。GarageQual 和 GarageCond 的值以字符形式给出：Po（差）、Fa（一般）、TA（典型）、Gd（良好）、Ex（优秀）。

返回：chr [1:2919] “TA” “TA” “TA” “TA” “TA” “TA” “TA” “TA” “Fa” “Gd” “TA” ...

返回：chr [1:2919] “TA” “TA” “TA” “TA” “TA” “TA” “TA” “TA” “TA” “TA” “TA” ...

首先，我考虑了它们：

返回：因子 w/ 5 个级别 "Ex","Fa","Gd",..: 5 5 5 5 5 5 5 5 2 3 ..

返回： > 因子 w/ 5 个级别 "Ex","Fa","Gd",..: 5 5 5 5 5 5 5 5 5 ...

现在我想替换因子级别名称的向量

带有数字向量

所以这些变量可以相乘以创建一个组合特征，如下所示：

实现结合 GarageQual 和 GarageCond 的综合 GarageGradevariable 最终目标的最佳方法是什么？我是否应该从一开始就考虑级别，还是应该直接用数字替换字符？如果是这样，我该怎么做？

我有几个变量，

每列由相同的五个 chr 值组成：

我想数字化

为了乘以创建新变量，如下所示：

有哪些方法可以实现这一目标？

注意：我是编程的初学者，所以夸大其词是值得赞赏的。

例子：

价值等价物将是 (6, 4, 6, 4, 6, 4)

价值等价物将是 (4, 4, 4, 4, 4, 4)

我们知道，在数据挖掘中，我们经常需要 one-hot encoding 来对分类特征进行编码，因此，一个分类特征将被编码为几个“0/1”特征。

有一个特殊情况让我感到困惑：现在我的数据集中有一个分类特征和一个数字特征。我将分类特征编码为 300 个新的“0/1”特征，然后使用 MinMaxScaler 对数字特征进行归一化，所以我所有的特征值在0到1的范围内。但可疑的现象是分类特征与数值特征的比例似乎从1：1变为300：1。

我的编码方法正确吗？这让我对one-hot编码产生了怀疑，我认为这可能会导致特征不平衡的问题。

谁能告诉我真相？任何词将不胜感激！谢谢！！！

这是我的问题： 例如，我有一个表包含人们一个月内的行为信息（多个特征），每个人都有唯一的 ID 和唯一的标签（0 和 1）。我想要做的是使用这些功能来预测客户是否属于组 0 / 1。

但是，问题是每个ID的特征被多次收集和记录，这意味着我有多个行属于同一个ID。那么如何构建我的数据并构建一个特征矩阵，其中一个 ID 对应于一行特征和一个标签？

特征

标签

示例：两个数据框

有没有办法可以尽可能的把这些多行特征考虑进去，并创建一个一一对应的特征矩阵呢？

到目前为止我的个人想法：首先，计算每个 ID 显示为新特征的时间。其次，将每个 ID 聚类为两个簇，并使用大多数 ID 的簇中心作为该 ID 的特征数组。

任何人都可以帮助我吗？非常感谢！

尝试为 ML 算法编码循环特征，其中时间戳特征作为特征非常重要。

我想将 day_in_month （cyclic_df 的'day' 列）转换为循环变量，以便一个月的第一天在前一天的最后一天之后。所以 01. 二月 (01.02) 更接近 1 月 31 日 (31.01)，因此 2 天之间的差异，如果你只考虑天列，是 1 而不是 30！

问题在于我划分的那 30 个。不是每个月都有 30 天，有些月有 30、31、28 或 29 天。在cyclical_df 的每一行中，我有一列“月”、一列“年”和一列“日”。所以从理论上讲，应该有一个解决方案来读取给定月份的正确天数。如何用正确的变量替换 30（上面代码中的第 5 行和第 6 行），以便它从其他列中读取年份和月份，并替换为正确的值，而不总是 30？

PS：如果有人能告诉我，如果我在每分钟、每小时和每月的时间里做得对的话，那就太好了，也可以在上面的代码中找到。

编辑（评论后）：是的，我有一个“年”列。并将这两行更改为：

我收到以下错误：