alteryx/featuretools

解决的问题

Featuretools 旨在自动化特征工程过程，这通常是机器学习工作流中一个手动且耗时的部分。它允许用户从多个相关的相关数据表中自动创建一个单一的特征表，将原始数据转换为每个目标实体（例如客户）可用于机器学习模型的特征向量。

工作原理

该库使用一种称为 Deep Feature Synthesis (DFS) 的过程，它可以自动跨多个表计算特征。它利用“原语”（创建特征的构建块）来执行计算。这些原语可以是库提供的内置原语，也可以是用户自定义的。它可以处理多表数据集（例如带有时间戳的客户交易），并可以使用 Dask 支持扩展到大规模数据集。

适用对象

需要为其 ML 流水线从关系数据中高效生成特征的数据科学家和机器学习工程师。

亮点

• 自动化特征工程：使用 Deep Feature Synthesis 从多表数据集中自动生成特征矩阵。
• 可定制的原语：包括各种内置原语以及用于 NLP 和高级功能的选配组件，同时允许用户定义自己的自定义原语。
• 可扩展性：支持使用 Dask 在大规模数据集上运行具有多个作业的 DFS。
• 多表支持：专门设计用于处理复杂的关联数据结构 (entitysets)。