Build Features 步骤

说明

Build Features 步骤根据源表一次性构建一个派生特征列的表——包括算术和交互组合、日期部分提取、分箱、缩放和独热编码——而无需为每一列手写表达式。它作为针对数据仓库的普通转换运行。

配置

• 源 / 输出表——输入表以及写入派生列的表。
• 直通列（passthrough_columns）——原样传递的源列。
• 特征（features）——有序的特征规格列表，至少需要一个。每个规格都有一个 type，并生成一个或多个输出列。输出列名——直通列加上每个非独热特征的 name——必须各不相同；保存重复的名称或重复的独热 (column, prefix) 组合会被拒绝。

特征类型

类型	字段	生成
表达式（expression）	name、expression、dtype（默认 text）	一列：基于源列的任意表达式。
交互（interaction）	name、columns（恰好 2 个）、op（multiply 或 add，默认 multiply）、dtype（默认 numeric）	一列：两个数值列的逐对算术组合。
日期部分（datepart）	name、column、part（year、month、day、dow 或 hour）	一列：提取出的日期/时间分量。
分箱（bin）	name、column、thresholds（升序，至少 1 个）、labels（恰好比 thresholds 多一个）	一列：column 的值所落入分桶的标签。阈值是您提供的固定值——请参阅限制和注意事项。
Z 分数（zscore）	name、column、dtype（默认 numeric）	一列：标准化为零均值、单位方差的列。
最小-最大（minmax）	name、column、out_min（默认 0）、out_max（默认 1）、dtype（默认 numeric）	一列：重新缩放到 [out_min, out_max] 范围的列。
独热（onehot）	column、prefix	column 的每个不同值对应一列，各命名为 <prefix><value>。
列统计量（column_mean、column_sum、column_variance、column_stddev、column_min、column_max）	name、column、dtype、moments、order_column	一列：在步骤的筛选器之下，整个列的统计量，出现在每一行上。moments 为 sql（默认，数据仓库聚合）或 welford，后者按 order_column 顺序读取该列，以单遍运行矩的方式计算均值、总和、方差和标准差，与 KNIME 的 Math Formula COL_MEAN 及其同类函数一致。

限制和注意事项

• 分箱需要预先确定固定阈值。bin 根据您提供的阈值和标签对列分桶——不支持由数据驱动的分箱（在运行时根据数据计算等宽或等频分箱）。请先自行计算阈值（例如通过前面的聚合步骤），再配置 bin 特征。
• 一次一个数据框。 Build Features 读取并写入单个源表；它不像跨表特征合成工具那样跨相关表聚合值。请将任何跨表关系建模为该步骤上游的联接。
• 此步骤不提供降维或目标感知编码。 Build Features 没有 PCA 式的成分降维，也没有目标编码（将分类列重新表示为标签的统计量，如其均值）。分类特征请使用 onehot。如需成分降维，请使用 ML：训练模型的 pca 算法；如果训练流水线需要不同的编码，请使用其自身的特征处理。

相关内容

• ML：训练模型——在表上训练模型，包括由此步骤构建的表。
• Alteryx 转换矩阵——Alteryx Build Features 工具的基本操作如何映射到这些特征类型，以及其哪些基本操作（跨表聚合、PCA、目标编码、自动分箱）在此没有对应项。