Build Features (paso)

Descripción

El paso Build Features genera una tabla de columnas de características derivadas a partir de una tabla de origen (combinaciones aritméticas y de interacción, extracción de partes de fecha, intervalos, escalado y codificación one-hot) en una sola pasada, sin escribir a mano una expresión por columna. Se ejecuta como una transformación ordinaria sobre el almacén de datos.

Configuración

• Origen / Tablas de salida: la tabla de entrada y la tabla en la que se escriben las columnas derivadas.
• Columnas de transferencia directa (passthrough_columns): columnas de origen que se transfieren sin cambios.
• Características (features): una lista ordenada de especificaciones de características, con al menos una obligatoria. Cada especificación tiene un type y produce una o más columnas de salida. Los nombres de las columnas de salida (las columnas de transferencia directa más el name de cada característica que no sea one-hot) deben ser todos distintos; se rechaza guardar un nombre duplicado, o un par (column, prefix) one-hot duplicado.

Tipos de características

Tipo	Campos	Produce
Expresión (expression)	name, expression, dtype (predeterminado text)	Una columna: una expresión arbitraria sobre columnas de origen.
Interacción (interaction)	name, columns (exactamente 2), op (multiply o add, predeterminado multiply), dtype (predeterminado numeric)	Una columna: la combinación aritmética por pares de dos columnas numéricas.
Parte de la fecha (datepart)	name, column, part (year, month, day, dow o hour)	Una columna: el componente de fecha u hora extraído.
Intervalo (bin)	name, column, thresholds (ascendentes, al menos 1), labels (exactamente uno más que thresholds)	Una columna: la etiqueta del intervalo en el que cae el valor de column. Los umbrales son valores fijos que usted proporciona; consulte Límites y salvedades.
Puntuación Z (zscore)	name, column, dtype (predeterminado numeric)	Una columna: la columna estandarizada a media cero y varianza unitaria.
Mín.-máx. (minmax)	name, column, out_min (predeterminado 0), out_max (predeterminado 1), dtype (predeterminado numeric)	Una columna: la columna reescalada al rango [out_min, out_max].
Codificación one-hot (onehot)	column, prefix	Una columna por cada valor distinto de column, cada una con el nombre <prefix><value>.
Estadística de columna (column_mean, column_sum, column_variance, column_stddev, column_min, column_max)	name, column, dtype, moments, order_column	Una columna: la estadística de toda la columna, bajo el filtro del paso, en cada fila. moments es sql (predeterminado, el agregado del almacén de datos) o welford, que calcula la media, la suma, la varianza y la desviación estándar como momentos acumulados de una sola pasada sobre la columna leída en el orden de order_column, como hacen COL_MEAN de Math Formula de KNIME y sus funciones hermanas.

Límites y salvedades

• Los intervalos necesitan umbrales fijos desde el principio. bin agrupa una columna según los umbrales y las etiquetas que usted proporciona; no hay intervalos basados en los datos (intervalos de igual anchura o de igual frecuencia calculados a partir de los datos en tiempo de ejecución). Calcule los umbrales usted mismo (por ejemplo, a partir de un paso de agregación previo) antes de configurar una característica bin.
• Una tabla a la vez. Build Features lee y escribe una única tabla de origen; no agrega valores de tablas relacionadas como lo hace una herramienta de síntesis de características entre tablas. Modele cualquier relación entre tablas como una combinación previa a este paso.
• Sin reducción de dimensionalidad ni codificación orientada al objetivo en este paso. Build Features no tiene reducción de componentes de tipo PCA ni codificación del objetivo (una columna categórica reexpresada como una estadística de la etiqueta, como su media). Use onehot para las características categóricas. Para la reducción de componentes, use el algoritmo pca de ML: entrenar modelo, y use su propio tratamiento de características si una canalización de entrenamiento necesita una codificación distinta.

Elementos relacionados

• ML: entrenar modelo: entrene un modelo sobre una tabla, incluida una construida con este paso.
• Matriz de conversión de Alteryx: cómo se asignan las primitivas de la herramienta Build Features de Alteryx a estos tipos de características, y cuáles de sus primitivas (agregación entre tablas, PCA, codificación del objetivo, intervalos automáticos) no tienen equivalente aquí.