featuretools的几个高级特性

摘要：记录工作中用到的featuretools的部分高级特性。

1、防止信息泄露

在调用dfs时，将主表的观测时间列连同id列作为cutoff_time，可以在构造特征时自动将子表中在cutoff_time之后的记录过滤掉，e.g.

features, feature_names = ft.dfs(
　　entityset=es,
　　target_entity='zhubiao',
　　agg_primitives=[test_prim],
　　cutoff_time=cutoff_time,
　　primitive_options=selected_primitives_option,
　　include_cutoff_time=True,
　　max_depth=2,
　　verbose=True)

与之相关的一个参数是include_cutoff_time，表示是否将恰好发生在cutoff_time时刻的数据包含在内。

2、实现更精确的time_since原语

将uses_calc_time置为True，可以自动将dfs传入的每个instance的cutoff_time传入聚合函数作为聚合函数的time参数，此时‘time'参数为聚合函数的保留参数，专门用于传入cutoff_time，不可再被赋值：

首先定义聚合函数，函数的参数包含一个time参数，但time参数无须传值，featuretools默认将该instance id的cutoff time传入，函数体内可正常使用该参数！这样在实现time_since原语时，只须要计算子表时间列与time参数之间的差值，再进行聚合即可。一个最小化demo如下：

def mean_(col, time):
　　return time

只须在构建聚合原语时，将uses_calc_time置为True就可以了。

test_=make_agg_primitive(function=mean_,
　　input_types=[Numeric],
　　return_type=Numeric,
　　base_of=(abs_,),
　　uses_calc_time=True,
　　number_output_features=1)

3、进度调回调功能

进度更新后的回调函数.。需要包含以下参数:

update: percentage change (float between 0 and 100) in progress since last call

progress_percent: percentage (float between 0 and 100) of total computation completed

time_elapsed: total time in seconds that has elapsed since start of call