将特征工具用于单表数据的正确方法是什么？答案

【问题标题】：What is the proper way of using featuretools for single table data?将特征工具用于单表数据的正确方法是什么？
【发布时间】：2020-06-06 05:13:14
【问题描述】：

假设我有一个由单表组成的数据集，例如你可以考虑 kaggle 上的 Titanic 数据集。

现在，使用功能工具获得最大收益的正确方法是什么？因为 featuretools 专门用于关系数据。

现在“正确”的意思是，我知道在创建实体集时，索引参数将只是数据集的索引，但是在规范化实体时我的新索引应该是什么？也可以盲目使用RFE进行特征选择吗？

【问题讨论】：

【解决方案1】：

您可以通过规范化实体集从 Featuretools 中获得最大收益。实体集越规范化，DFS 就越能利用关系结构生成更好的特征。

标准化过程的目标是消除冗余数据。因此，具有附加变量的新索引应该有助于实现这一目标。这个guide 更深入地介绍了从非规范化表创建实体。

对于特征选择，我认为可以明智地使用 RFE，以提高准确性并降低模型的复杂性。

【讨论】：

感谢您的回答。我应该标准化所有变量吗？例如，我现在在规范化时用PassengerIds 设置实体，我应该用所有列一次又一次地规范化它？或者我应该只选择一个？如果只有一个，应该是什么？
我会尝试规范化多个冗余变量，例如 Ticket Class (pclass) 和 Port of Embarkation (embarked)。这将需要进行实验，以查看哪些列对您的用例产生最佳结果。