在Featuretools多个训练窗口计算功能

Question

我有一个客户和交易的表。有没有办法如何让将被过滤去年3/6/9/12个月的特点？我想自动生成功能：

• 反式在过去3个月号
• ....
• 反式在过去12个月中数量
• 平均反式在过去3个月
• ...
• 平均反式在过去12个月

我已经使用training_window =["1 month", "3 months"],尝试，但它似乎并没有返回多个功能，每个窗口。

例：

import featuretools as ft
es = ft.demo.load_mock_customer(return_entityset=True)

window_features = ft.dfs(entityset=es,
   target_entity="customers",
   training_window=["1 hour", "1 day"],
   features_only = True)

window_features

我一定要单独做的各个窗口，然后合并结果？

Answer 1

至于你提到的在Featuretools 0.2.1你必须单独建立特征矩阵的每个培训窗口，然后合并结果。随着你的榜样，你会做到这一点，如下所示：

import pandas as pd
import featuretools as ft
es = ft.demo.load_mock_customer(return_entityset=True)
cutoff_times = pd.DataFrame({"customer_id": [1, 2, 3, 4, 5],
                             "time": pd.date_range('2014-01-01 01:41:50', periods=5, freq='25min')})
features = ft.dfs(entityset=es,
                  target_entity="customers",
                  agg_primitives=['count'],
                  trans_primitives=[],
                  features_only = True)
fm_1 = ft.calculate_feature_matrix(features, 
                                   entityset=es, 
                                   cutoff_time=cutoff_times,
                                   training_window='1h', 
                                   verbose=True)

fm_2 = ft.calculate_feature_matrix(features, 
                                   entityset=es, 
                                   cutoff_time=cutoff_times,
                                   training_window='1d', 
                                   verbose=True)
new_df = fm_1.reset_index()
new_df = new_df.merge(fm_2.reset_index(), on="customer_id", suffixes=("_1h", "_1d"))

然后，新的数据帧的样子：

customer_id COUNT(sessions)_1h  COUNT(transactions)_1h  COUNT(sessions)_1d COUNT(transactions)_1d
1           1                   17                      3                 43
2           3                   36                      3                 36
3           0                   0                       1                 25
4           0                   0                       0                 0
5           1                   15                      2                 29