十大重要的時(shí)間組合特征！

無序類別特征+時(shí)間特征

為了方便表示我們將A作為無序類別特征，B作為時(shí)間特征。無序類別特征與時(shí)間特征的交互往往是決定比賽走向的一大極為重要的特征，此處我們就列舉在實(shí)踐過程中上分最多的幾大特征。

1. 基于A/B一次差值特征

該特征可以表示A出現(xiàn)的時(shí)間間隔；該特征在點(diǎn)擊預(yù)估等的問題中都是非常重要的特征。如果A表示商品的話，那么基于A/B差值特征就表示A商品被瀏覽/購買/點(diǎn)擊的時(shí)間差。

df['A_B_diff1'] = df['B'] - df.groupby('A')['B'].shift()

2.基于A/B二次差值特征

基于A/B一次差值特征的差值可以認(rèn)為是最近的(即shift(1)的)的差值，自然我們也可以是兩次的，即shift(2)的，或者多次的，但是實(shí)踐中我們發(fā)現(xiàn)一般shift(3)及以上的效果就不是很明顯了。

df['A_B_diff2'] = df['B'] - df.groupby('A')['B'].shift(2)

3.基于A與A/B一/二次差值特征的統(tǒng)計(jì)特征

該特征的構(gòu)建是基于A/B一次/二次差值特征的，我們在A/B差值特征的基礎(chǔ)之上再計(jì)算A關(guān)于A/B差值特征的統(tǒng)計(jì)特征，例如：

• 均值；
• 方差；
• 中位數(shù)；
• 偏度；
• 分位數(shù)(四分位數(shù)等)；
• 眾數(shù);
• skewness；
• 峰度系數(shù)；
• 其它統(tǒng)計(jì)特征。

該特征可以很好地反映A在時(shí)間戳上的諸多信息，如果基于A與A/B差值特征的最大值和最小值的差值很小或者方差相對很小，這就暗示可能存在較強(qiáng)的周期性，A可能會出現(xiàn)在固定的時(shí)間周期內(nèi)。

df['A_A_B_diff1_sts'] = df.groupby('A')['A_B_diff1'].apply(sts) 
df['A_A_B_diff2_sts'] = df.groupby('A')['A_B_diff2'].apply(sts) 

4. 基于A/B差值的差值以及對應(yīng)統(tǒng)計(jì)特征

如果說基于A/B差值特征是一階滑動，那么基于A/B差值的差值就是二階了，該特征一般直接加入也可以為模型帶來微弱的提升。因?yàn)楹突贏/B的差值是類似的，此處我們給出其計(jì)算方式，其它的不再贅述。

類似地，我們也可以做shift(N)，N>1的差值，但這么做的物理意義會差一些，實(shí)際中也很少能帶來提升。

df['A_B_diff1_diff'] = df['A_B_diff1'] - df.groupby('A')['A_B_diff1'].shift() 
df['A_B_diff1_diff_sts'] = df.groupby('A')['A_B_diff1_diff'].apply(sts) 

5.A的第一次出現(xiàn)時(shí)間

A的第一次出現(xiàn)時(shí)間也就是接觸A的第一次時(shí)間，該特征具有非常強(qiáng)的意義。

df['A_B_first'] =  df.groupby('A')['B'].first()  

6.A的最后一次出現(xiàn)時(shí)間

A的最后一次出現(xiàn)時(shí)間也就是接觸A的最后一次時(shí)間，該特征和第一次時(shí)間互為補(bǔ)充。

df['A_B_last'] =  df.groupby('A')['B'].last()  

7.當(dāng)前距離A出現(xiàn)第一次時(shí)間的時(shí)間差

A從第一次被接觸到最后一次被接觸的時(shí)間的差值。

df['B_A_B_first_diff'] =  df['B'] - df['A_B_first']

8.當(dāng)前距離A最后一次出現(xiàn)時(shí)間的時(shí)間差

A距離最后一次接觸的時(shí)間的差值。

df['B_A_B_first_last'] =  df['B'] - df['A_B_last']

9.A出現(xiàn)的時(shí)間gap

A最后一次出現(xiàn)和第一次出現(xiàn)的時(shí)間的差值。

df['A_B_gap'] = df['A_B_last'] - df['A_B_first']

10.平均每次A出現(xiàn)的時(shí)間

A每次出現(xiàn)的平均時(shí)間。

df['A_B_first_last_div_count'] = (df['A_B_last'] - df['A_B_first']) / df['A_B_count']