Featuretools 原語 (Primitives) 詳解

原語（Primitives）是Featuretools中用于特征工程的基本操作單元，分為聚合原語（Aggregation Primitives）和轉(zhuǎn)換原語（Transformation Primitives）兩大類。

1. 聚合原語 (Aggregation Primitives)

聚合原語用于對相關實體的數(shù)據(jù)進行聚合操作，通常用于一對多關系中"多"的一方聚合到"一"的一方。

常見聚合原語及示例：

count

• 作用：計算記錄數(shù)量
• 示例：計算每個客戶有多少筆交易
• 結(jié)果：客戶A有5筆交易，客戶B有3筆交易

sum

• 作用：計算數(shù)值列的總和
• 示例：計算每個客戶的交易總金額
• 結(jié)果：客戶A總交易額1000元，客戶B總交易額650元

mean

• 作用：計算數(shù)值列的平均值
• 示例：計算每個客戶的平均交易金額
• 結(jié)果：客戶A平均交易額200元，客戶B平均交易額216.67元

std

• 作用：計算數(shù)值列的標準差
• 示例：計算每個客戶交易金額的標準差
• 結(jié)果：衡量客戶交易金額的波動性

min / max

• 作用：計算數(shù)值列的最小值/最大值
• 示例：每個客戶的單筆最高/最低交易金額

median

• 作用：計算數(shù)值列的中位數(shù)
• 示例：每個客戶交易金額的中位數(shù)

mode

• 作用：計算出現(xiàn)頻率最高的值
• 示例：客戶最常購買的商品類別

trend

• 作用：計算數(shù)值隨時間的趨勢
• 示例：客戶交易金額隨時間的增長趨勢

skew

• 作用：計算分布的偏度
• 示例：客戶交易金額分布的偏斜程度

2. 轉(zhuǎn)換原語 (Transformation Primitives)

轉(zhuǎn)換原語用于對單個實體中的數(shù)據(jù)進行轉(zhuǎn)換操作，生成新的特征列。

常見轉(zhuǎn)換原語及示例：

month / year / week / weekday

• 作用：從日期中提取時間組件
• 示例：

  # 原始數(shù)據(jù): join_date = "2022-01-15"
  # month(join_date) = 1
  # year(join_date) = 2022
  # weekday(join_date) = 5 (周六)
  

hour / minute / second

• 作用：從時間戳中提取時分秒
• 示例：分析用戶在一天中的活躍時段

time_since_previous

• 作用：計算與前一條記錄的時間間隔
• 示例：客戶兩次交易之間的時間間隔

cum_sum / cum_mean / cum_max

• 作用：計算累積統(tǒng)計值
• 示例：

  # 交易金額: [100, 50, 200, 75]
  # cum_sum(amount) = [100, 150, 350, 425]
  

diff

• 作用：計算與前一條記錄的差值
• 示例：客戶每次交易金額的變化

divide_by / multiply / add / subtract

• 作用：數(shù)值運算
• 示例：計算兩個特征的比例關系

equal / greater_than / less_than

• 作用：邏輯比較
• 示例：判斷交易金額是否超過閾值

is_null / not_null

• 作用：空值判斷
• 示例：標識缺失數(shù)據(jù)

num_characters / num_words

• 作用：文本統(tǒng)計
• 示例：計算客戶評論的字符數(shù)或單詞數(shù)

latitude / longitude

• 作用：地理位置解析
• 示例：從地址中提取經(jīng)緯度信息

3. 實際應用示例

結(jié)合您的代碼示例，我們來看具體的原語應用：

# 聚合原語
agg_primitives=["sum", "mean", "count", "std"]

# 轉(zhuǎn)換原語
trans_primitives=["month", "weekday"]

具體生成的特征：

1. 聚合特征：

   • SUM(transactions.amount): 每個客戶的交易總額
   • MEAN(transactions.amount): 每個客戶的平均交易金額
   • COUNT(transactions.amount): 每個客戶的交易次數(shù)
   • STD(transactions.amount): 每個客戶交易金額的標準差

2. 轉(zhuǎn)換特征：

   • MONTH(join_date): 客戶加入的月份
   • WEEKDAY(join_date): 客戶加入的是星期幾

4. 自定義原語

Featuretools還支持創(chuàng)建自定義原語來滿足特定需求：

from featuretools.primitives import AggregationPrimitive
from featuretools.variable_types import Numeric

class NUnique(AggregationPrimitive):
    name = "n_unique"
    input_types = [Numeric]
    return_type = Numeric
    stack_on_self = False
    default_value = 0

    def get_function(self):
        return 'nunique'

5. 原語的選擇策略

選擇合適的原語需要考慮：

• 業(yè)務需求：根據(jù)業(yè)務場景選擇相關原語
• 數(shù)據(jù)類型：數(shù)值型、分類型、時間型數(shù)據(jù)適用不同原語
• 計算復雜度：復雜原語可能影響性能
• 特征有效性：某些原語可能生成無意義的特征

通過合理選擇和組合這些原語，F(xiàn)eaturetools能夠自動生成大量有意義的特征，為機器學習模型提供更豐富的信息。