FeatureTools：为什么dfs进行冗余计算？

如何解决FeatureTools：为什么dfs进行冗余计算？

下面是来自官方docs

的示例代码

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

feature_matrix,feature_defs = ft.dfs(
    entityset=es,target_entity="customers",agg_primitives=["sum","mode"],trans_primitives=["cum_max","month","cum_count"],max_depth=2
)

feature_defs

>> 
[<Feature: zip_code>,....
 <Feature: MODE(sessions.device)>,<Feature: MODE(transactions.sessions.device)>,...
 ]

分析graph_feature()的计算后，尽管MODE(sessions.device)和MODE(transactions.sessions.device)的计算方式不同，但看起来却是相同的。如果我是对的，为什么dfs会多余地计算呢？

解决方法

感谢您的提问！虽然它们看起来很相似，但实际上是不同的功能。 MODE(sessions.device)是客户在所有会话中使用的设备模式，而MODE(transactions.sessions.device)是客户在所有交易中使用的设备模式。

作为展示差异的一个简单示例，假设一个客户进行了3次会话：

session_id        device
------------------------
         A        Mobile
         B            PC              
         C            PC

还有5个事务，每个事务与以下会话之一相关联：

transaction_id      session_id     sessions.device
--------------------------------------------------
             0               A              Mobile
             1               A              Mobile
             2               A              Mobile
             3               B                  PC
             4               C                  PC

在这种情况下，MODE(sessions.device)将是PC，而MODE(transactions.sessions.device)将是移动设备，因为与会话A相关的交易更多。在功能图中，关键区别在于{{1} }首先加入交易实体。即使按会话分组，您也不会以开始时就结束了，因为每笔交易现在都有自己的价值。