【发布时间】：2019-09-01 12:49:52
【问题描述】：
我在进行特征工程时遇到了问题。寻找一些建议。问题陈述：我有多个客户 3 天的使用数据。有些人只有 1 天的使用量，有些是 2 天，有些是 3 天。数据与每天发送的电子邮件数量/添加的联系人数量等有关。
我将此时间序列数据转换为按列，即客户在第 1 天发送的电子邮件数量作为一项功能，客户在第 2 天发送的电子邮件数量作为一项功能等等。 但问题是，对于不同的客户，使用可以是升序也可以是降序。
ie.，示例 1：客户 'A' --> ' 1st 发送的电子邮件数量。天' = 100 。 '第 2 天发送的电子邮件数量'=0
示例 2: customer 'B' --> ' 1st 发送的电子邮件数量。天' = 0 。 '第 2 天发送的电子邮件数量'=100
示例 3: customer 'C' --> ' 1st 发送的电子邮件数量。天' = 0 。 '第 2 天发送的电子邮件数量'=0
示例 4: customer 'D' --> ' 1st 发送的电子邮件数量。天' = 100 。 '第 2 天发送的电子邮件数量'=100
在前两种情况下 => 我的新功能将具有“-100”和“100”作为值。我想这有利于区分。 但是当新的特征值在两种情况下都是“0”时，第 3 列和第 4 列就会出现问题 任何人都可以建议一种方法来处理这个
【问题讨论】：
-
在这种情况下，不要打印
0，而是打印“No Change”或类似的内容。 -
我想到了，但我对一件事感到困惑。如果我这样做，我将不得不将新功能设为 categorical ，这并不理想，因为其他值将是连续的。相反，我可以在新功能中使用绝对值并将趋势指示为“+1”或增加“-1”以减少“无变化”以表示没有变化，如果两个值都为“0”，则为“0”。不过，这会是一个好方法吗？
-
很难说，因为您还没有准确定义判断处理情况的给定方法是否“好”的标准/约束。
-
我想捕捉每个客户 3 天的所有有用功能的使用趋势。根据趋势，我必须将客户分为不同的类别。这能回答吗？
-
你可以接受罪（#emails_in_a_day/#max_number_of_emails）。或者，您可以取所有天数的平均值并将每一天更新为 #of_days_more_or_less_than_mean。
标签： python machine-learning data-science feature-engineering