【數(shù)據(jù)競(jìng)賽】十組不同類型的組合特征！

數(shù)值特征+數(shù)值特征

我們將A作為數(shù)值特征，B作為數(shù)值特征。

1. 相同物理意義下的加減乘除

如果兩個(gè)數(shù)值特征是具有相同物理意義的，例如，第一個(gè)數(shù)值特征是用戶的收入，第二個(gè)數(shù)值特征是用戶的支出，那么這邊的減乘除就比較有意義：

• 減：表示用戶的這個(gè)月的剩余的錢；
• 乘：表示一種現(xiàn)象，如果用戶收入高支出高，那么該值就大；收入高支出少，那么該值就一般；收入低，支出也低，那么該值就小；
• 除：表示用戶的支出占收入的比例；
• 加：一般意義就不大了；

至于用加減乘除中的哪個(gè)，需要依據(jù)實(shí)際情況考慮。

2. 不同物理意義下的乘除

如果兩個(gè)數(shù)值特征是不具有相同物理意義的，例如，第一個(gè)數(shù)值特征表示用戶購(gòu)買的商品數(shù)量，第二個(gè)數(shù)值特征表示商品的單價(jià)，那么這邊的加和減除的意義就不是非常大，加入模型大概率只會(huì)引入噪音信息；但是乘法卻非常有意義：

• 乘：表示用戶需要支付的總金額；

至于用乘除中的哪個(gè)，也需要需要依據(jù)實(shí)際情況考慮，如果此處第一個(gè)數(shù)值特征表示用戶購(gòu)買某商品的數(shù)量，第二個(gè)表示支付金額，那么除就更為有價(jià)值，乘法反而意義不大，所以也需要依據(jù)實(shí)際情況考慮。

數(shù)值特征+時(shí)間特征

我們將A作為數(shù)值特征，B作為時(shí)間特征。

數(shù)值特征和時(shí)間特征同時(shí)出現(xiàn)的時(shí)候，我們可以認(rèn)為這就是一條時(shí)間序列。

1. A關(guān)于B的實(shí)時(shí)變化特征

A的下一時(shí)刻與上一時(shí)刻的差值，表示上下時(shí)刻的變化情況以及比例。

# 先按時(shí)間排序
df = df.sort_valeus('B') 
df['A_diff']  = df['A'] - df['A'].shift(N) # N可以為1,2,...
df['A_ratio'] = df['A'] / df['A'].shift(N)

2. 將B轉(zhuǎn)化為類別特征

將時(shí)間特征B轉(zhuǎn)化為類別特征，我們可以將原先天+小時(shí)+分鐘+秒的時(shí)間特征變化為：

• 月份特征；
• 天級(jí)別的特征；
• 小時(shí)特征；
• 星期特征；
• ...

此時(shí)我們可以將無(wú)序類別特征和數(shù)值特征的組合特征策略直接使用過(guò)來(lái)。

3. 變換后的B/A統(tǒng)計(jì)特征的比較特征

此處變換之后的B指的是，我們對(duì)B進(jìn)行某種形式的轉(zhuǎn)化，例如轉(zhuǎn)化為以小時(shí)為單位的新的B，然后我們基于轉(zhuǎn)化后得到的B（可以認(rèn)為是有序的類別特征）構(gòu)建與A相關(guān)的特征，即我們將此轉(zhuǎn)化為了： 有序類別特征+數(shù)值特征的組合特征。

• 有序類別特征當(dāng)做無(wú)序類別特征;
• 相鄰有序類別統(tǒng)計(jì)特征的變化;
• 基于A分組之后B的統(tǒng)計(jì)特征;
• A組內(nèi)B特征的占比特征。

4. 小結(jié)

在本小結(jié)，我們重點(diǎn)介紹了數(shù)值特征和時(shí)間特征相關(guān)的組合特征，這塊的特征需要重點(diǎn)關(guān)注的還是時(shí)間特征以及將其轉(zhuǎn)換之后與數(shù)值特征的交叉特征。

時(shí)間特征+時(shí)間特征

時(shí)間特征和時(shí)間特征同時(shí)出現(xiàn)的情況相對(duì)較少，一般出現(xiàn)的情形就是開(kāi)始日期和結(jié)束日期這類相關(guān)的，例如貸款日期、還款日期，上網(wǎng)時(shí)間、下網(wǎng)時(shí)間等等。而這個(gè)時(shí)候我們經(jīng)常做的特征就是：

• 基于兩個(gè)時(shí)間特征計(jì)算時(shí)間差值；
• 轉(zhuǎn)化為某種類別特征之后判斷是否相等，比如兩個(gè)時(shí)間特征全部轉(zhuǎn)化為天，如果兩個(gè)時(shí)間特征轉(zhuǎn)化之后都是同一天表示是同一天的；

小 結(jié)

在本章節(jié)，我們枚舉了幾乎所有常見(jiàn)的二元特征的組合方式，包括：

• 無(wú)序類別特征+無(wú)序類別特征；
• 無(wú)序類別特征+有序類別特征；
• 無(wú)序類別特征+數(shù)值特征；
• 無(wú)序類別特征+時(shí)間特征；
• 有序類別特征+有序類別特征；
• 有序類別特征+數(shù)值特征；
• 有序類別特征+時(shí)間特征；
• 數(shù)值特征+數(shù)值特征；
• 數(shù)值特征+時(shí)間特征；
• 時(shí)間特征+時(shí)間特征；

當(dāng)然還有一些文本和圖像類的向量特征，因?yàn)檫@些特征較為特征，一般都是向量型的，所以我們會(huì)在后面的部分進(jìn)一步進(jìn)行介紹。