alteryx/featuretools

解決的問題

Featuretools 旨在自動化特徵工程流程，這通常是機器學習工作流中一個手動且耗時的部分。它允許使用者從多個相關的數據表中自動建立一個單一的特徵表，將原始數據轉換為每個目標實體（例如客戶）可用於機器學習模型的特徵向量。

工作原理

該函式庫使用一種稱為 Deep Feature Synthesis (DFS) 的過程，它可以自動跨多個表計算特徵。它利用「原語」（建立特徵的構建塊）來執行計算。這些原語可以是函式庫提供的內建原語，也可以是使用者自定義的。它可以處理多表數據集（例如帶有時間戳的客戶交易），並可以使用 Dask 支援擴展到大規模數據集。

適用對象

需要為其 ML 流水線從關聯數據中高效生成特徵的數據科學家和機器學習工程師。

亮點

• 自動化特徵工程：使用 Deep Feature Synthesis 從多表數據集中自動生成特徵矩陣。
• 可自定義的原語：包含各種內建原語以及用於 NLP 和進階功能的選配組件，同時允許使用者定義自己的自定義原語。
• 可擴展性：支援使用 Dask 在大規模數據集上執行具備多個作業的 DFS。
• 多表支援：專門設計用於處理複雜的關聯數據結構 (entitysets)。