Build Features (krok)

Opis

Krok Build Features buduje tabelę pochodnych kolumn cech z tabeli źródłowej — kombinacje arytmetyczne i interakcji, wyodrębnianie części daty, podział na przedziały, skalowanie i kodowanie one-hot — w jednym przebiegu, bez ręcznego pisania wyrażenia dla każdej kolumny. Działa jako zwykła transformacja w hurtowni danych.

Konfiguracja

• Źródło / Tabele wyjściowe — tabela wejściowa i tabela, do której zapisywane są kolumny pochodne.
• Kolumny przekazywane bez zmian (passthrough_columns) — kolumny źródłowe przenoszone bez zmian.
• Cechy (features) — uporządkowana lista specyfikacji cech, wymagana co najmniej jedna. Każda specyfikacja ma type i tworzy jedną lub więcej kolumn wyjściowych. Nazwy kolumn wyjściowych — kolumny przekazywane bez zmian oraz name każdej cechy innej niż one-hot — muszą być wszystkie różne; zapis zduplikowanej nazwy lub zduplikowanej pary one-hot (column, prefix) jest odrzucany.

Typy cech

Typ	Pola	Tworzy
Wyrażenie (expression)	name, expression, dtype (domyślnie text)	Jedna kolumna: dowolne wyrażenie na kolumnach źródłowych.
Interakcja (interaction)	name, columns (dokładnie 2), op (multiply lub add, domyślnie multiply), dtype (domyślnie numeric)	Jedna kolumna: arytmetyczna kombinacja par dwóch kolumn liczbowych.
Część daty (datepart)	name, column, part (year, month, day, dow lub hour)	Jedna kolumna: wyodrębniony składnik daty/czasu.
Podział na przedziały (bin)	name, column, thresholds (rosnąco, co najmniej 1), labels (dokładnie o jedną więcej niż thresholds)	Jedna kolumna: etykieta przedziału, do którego trafia wartość column. Progi to stałe wartości, które podajesz — zobacz Ograniczenia i zastrzeżenia.
Z-score (zscore)	name, column, dtype (domyślnie numeric)	Jedna kolumna: kolumna ustandaryzowana do zerowej średniej i jednostkowej wariancji.
Min-maks (minmax)	name, column, out_min (domyślnie 0), out_max (domyślnie 1), dtype (domyślnie numeric)	Jedna kolumna: kolumna przeskalowana do zakresu [out_min, out_max].
One-hot (onehot)	column, prefix	Jedna kolumna na każdą unikatową wartość column, każda nazwana <prefix><value>.
Statystyka kolumny (column_mean, column_sum, column_variance, column_stddev, column_min, column_max)	name, column, dtype, moments, order_column	Jedna kolumna: statystyka całej kolumny, przy filtrze kroku, w każdym wierszu. moments ma wartość sql (domyślnie, agregat hurtowni danych) lub welford, który oblicza średnią, sumę, wariancję i odchylenie standardowe jako jednoprzebiegowe momenty bieżące na kolumnie odczytywanej w kolejności order_column, tak jak robią to COL_MEAN z Math Formula w KNIME i jego pokrewne funkcje.

Ograniczenia i zastrzeżenia

• Podział na przedziały wymaga z góry ustalonych progów. bin przypisuje kolumnę do przedziałów względem podanych przez Ciebie progów i etykiet — nie ma podziału opartego na danych (przedziały o równej szerokości lub równej liczebności obliczane z danych w czasie wykonania). Oblicz progi samodzielnie (na przykład na podstawie wcześniejszego kroku agregacji) przed skonfigurowaniem cechy bin.
• Jedna ramka naraz. Build Features odczytuje i zapisuje jedną tabelę źródłową; nie agreguje wartości z powiązanych tabel tak, jak robi to narzędzie do syntezy cech między tabelami. Każdą zależność między tabelami modeluj jako złączenie przed tym krokiem.
• Brak redukcji wymiarowości i kodowania uwzględniającego cel w tym kroku. Build Features nie ma redukcji składowych w stylu PCA ani kodowania celu (kolumny kategorialnej wyrażonej jako statystyka etykiety, na przykład jej średnia). Dla cech kategorialnych użyj onehot. Do redukcji składowych użyj algorytmu pca kroku ML: trenuj model i jego własnej obsługi cech, jeśli potok trenowania wymaga innego kodowania.

Powiązane

• ML: trenuj model — wytrenuj model na tabeli, w tym zbudowanej przez ten krok.
• Macierz konwersji Alteryx — jak prymitywy narzędzia Build Features z Alteryx mapują się na te typy cech i które z jego prymitywów (agregacja między tabelami, PCA, kodowanie celu, automatyczny podział na przedziały) nie mają tutaj odpowiednika.