在特征工具中使用 cutoff_times 进行预测

Question

我正在构建一个模型来预测用户是否会根据他/她的阅读历史等（活动）购买订阅。我正在使用featuretools (https://www.featuretools.com/) 来自动化特征工程，这就是它变得棘手的地方：

鉴于以下情况，我应该如何确定训练数据的截止时间/窗口：

• 培训窗口应为 1 个月、6 个月等多长时间？
• 鉴于订阅前后用户活动可能不同，我应该根据订阅时间截断当前订阅者的数据（防止泄漏）。但是我什么时候应该为非订阅者截止？

feature_matrix, feature_defs = ft.dfs(entityset=es,
                                     target_entity="users",
                                     max_depth=2,
                                     agg_primitives=["sum", "std", "max", "min", "mean", "median", "count", "percent_true", "num_unique", "mode", 
                                                     "avg_time_between"],
                                     trans_primitives=["day", "year", "month", "weekday", "time_since_previous", "time_since", "is_weekend"],
                                     cutoff_time=cutoff_times,
                                     cutoff_time_in_index=True,
                                     training_window=ft.Timedelta(180,"d"),
                                     n_jobs=8, verbose=True)

Answer 1

您如何决定训练数据的截止时间取决于以下因素：

培训窗口应该是 1 个月、6 个月等多长时间？

我认为您可以尝试不同的训练窗口大小，看看哪个模型的结果更好。

鉴于用户订阅前后的活动可能不同，我应该根据订阅时间截断当前订阅者的数据（防止泄漏）。但是我什么时候应该为非订阅者截止？

我认为您可以随机选择它们，或者有时代表您将来要在这些订阅者上使用该模型的时间。

我们的开源库 Compose 非常适合构建此标签流程。如果您在 Compose 中定义预测问题，它将根据您定义预测问题的方式自动选择负样本。它还具有参数化预测窗口，可让您在特定时间生成标签。让我知道这是否有帮助。