Featuretools 开源项目教程

项目介绍

Featuretools 是一个用于自动化特征工程的开源 Python 库。它擅长将时间和关系型数据集转换为用于机器学习的特征矩阵。Featuretools 通过深度特征合成（Deep Feature Synthesis, DFS）方法，能够自动从数据集中提取有用的特征，从而简化特征工程的复杂性。

项目快速启动

安装

你可以通过 pip 安装 Featuretools：

python -m pip install featuretools

或者通过 Conda-forge 渠道安装：

conda install -c conda-forge featuretools

快速启动示例

以下是一个使用深度特征合成（DFS）进行自动化特征工程的示例：

import featuretools as ft

# 加载示例数据
data = ft.demo.load_mock_customer()
customers_df = data["customers"]
sessions_df = data["sessions"]
transactions_df = data["transactions"]

# 创建实体集
es = ft.EntitySet(id="customer_data")
es = es.add_dataframe(dataframe_name="customers", dataframe=customers_df, index="customer_id")
es = es.add_dataframe(dataframe_name="sessions", dataframe=sessions_df, index="session_id", time_index="session_start")
es = es.add_dataframe(dataframe_name="transactions", dataframe=transactions_df, index="transaction_id", time_index="transaction_time")

# 添加关系
relationship = ft.Relationship(es["customers"]["customer_id"], es["sessions"]["customer_id"])
es = es.add_relationship(relationship)
relationship = ft.Relationship(es["sessions"]["session_id"], es["transactions"]["session_id"])
es = es.add_relationship(relationship)

# 运行深度特征合成
feature_matrix, feature_defs = ft.dfs(entityset=es, target_dataframe_name="customers")

print(feature_matrix.head())

应用案例和最佳实践

预测下一个购买

在这个演示中，我们使用一个多表数据集，包含300万条在线杂货订单数据，来自Instacart，预测客户下一次将购买什么。我们展示了如何使用自动化特征工程生成特征，并构建一个准确的机器学习管道。

高级用户扩展

对于更高级的用户，我们展示了如何使用Dask扩展特征工程管道，以处理大型数据集。

典型生态项目

Dask 支持

Featuretools 支持使用 Dask 运行 DFS，以便在多任务情况下进行并行处理：

python -m pip install "featuretools[dask]"

NLP 原语

Featuretools 还支持自然语言处理原语，可以从文本数据中提取特征：

python -m pip install "featuretools[nlp]"

高级原语

对于需要更高级原语的用户，Featuretools 允许定义自定义原语，以满足特定需求。

通过这些模块和示例，你可以快速上手并深入了解 Featuretools 的使用和扩展。