特征工具的截止时间和训练窗口答案

【问题标题】：cutoff time and training window at featuretools特征工具的截止时间和训练窗口
【发布时间】：2018-11-17 01:24:10
【问题描述】：

假设我有两个数据集（对应于我的实体集中的两个实体）：

第一个：客户（cust_id、姓名、生日、customer_since）
第二个：bookings（booking_id、service、chargeamount、booking_date）

现在我想创建一个数据集，其中包含由所有客户（无论他们何时成为客户）构建的特征，但仅限于过去两年的预订。

如何使用“last_time_index”？我可以只为一个实体设置“last_time_index”吗？在这种情况下，仅适用于预订实体，因为我想要所有客户，但不是所有预订。

如果使用此代码创建功能：

feature_matrix, features = ft.dfs(entityset=es,
                              target_entity="customers",
                              cutoff_time= pd.to_datetime('30/05/2018'),
                              training_window = ft.Timedelta(2*365,"d"),
                              agg_primitives=["count"],
                              trans_primitives=["time_since","year"],
                              cutoff_time_in_index = True)

【问题讨论】：

标签： featuretools

【解决方案1】：

实体的time_index 指定实例首次有效使用的时间。这样，您在设置时间索引时所做的选择会影响您的最终结果。根据您设置time_index 的方式，可以将ft.dfs 与您的示例中的设置完全相同，以获得所需的输出。这是一个类似于您描述的数据的玩具示例：

bookings_df = pd.DataFrame()
bookings_df['booking_id'] = [1, 2, 3, 4]
bookings_df['cust_id'] = [1, 1, 2, 5]
bookings_df['booking_date'] = pd.date_range('1/1/2014', periods=4, freq='Y')

customer_df = pd.DataFrame()
customer_df['cust_id'] = [1, 2, 5]
customer_df['customer_since']  = pd.to_datetime(['2014-01-01', '2016-01-01', '2017-01-01'])

es = ft.EntitySet('Bookings')
es.entity_from_dataframe('bookings', bookings_df, 'booking_id', time_index='booking_date')
es.entity_from_dataframe('customers', customer_df, 'cust_id')

es.add_relationship(ft.Relationship(es['customers']['cust_id'], es['bookings']['cust_id']))

在过去的四年里，我们设置了我们的bookings_df，每年举办一次活动。数据框如下所示：

    booking_id  cust_id  booking_date
0    1           1        2014-12-31
1    2           1        2015-12-31
2    3           2        2016-12-31
3    4           5        2017-12-31

请注意，我们未为customers 设置时间索引，这意味着所有客户数据始终有效使用。在没有training_window 参数的情况下运行 DFS 将返回

         YEAR(customer_since)   COUNT(bookings)
cust_id     
1         2014                   2.0
2         2016                   1.0
5         2017                   1.0

通过添加两年的training_window（如您的示例），我们只能看到使用前四个预订中的两个的结果：

         YEAR(customer_since)   COUNT(bookings)
cust_id     
1         2014                   0.0
2         2016                   1.0
5         2017                   1.0

【讨论】：