Featuretools：在新数据上使用火车数据中计算出的特征

Question

我想知道如何使用训练时开发的功能对新数据进行预测。有问题的数据集是来自Predict appointment no show, Github

的约会取消数据集

考虑特征locations.PERCENT_TRUE(no_show)：给定位置过去取消约会的百分比。假设我有新的传入测试数据，其位置与我已经知道这些值的火车数据中的位置相同。如何在测试数据中使用此功能？当然，我可以将测试数据合并到火车数据中，并使用featuretools.dfs()重新计算所有特征，但这很耗时。

有更简单的方法吗？

Answer 1

是，不需要将测试数据合并到火车数据中。您可以在传入的测试数据上重用功能部件定义。例如，当您在火车数据上使用DFS时，将返回包含locations.PERCENT_TRUE(no_show)的特征定义以及特征矩阵。

fm, features = ft.dfs(
    entityset=es_train,
    target_entity='appointments',
    ...
)

在测试数据上，您可以创建实体集并重复使用定义以计算特征。

fm = ft.calculate_feature_matrix(
    features=features,
    entityset=es_test,
    ...
)

让我知道是否有帮助。