作者：塵沙杰少、櫻落、新峰、DOTA、謝嘉嘉

特征工程--無(wú)序類(lèi)別&時(shí)間信息的組合特征！

前 言

本篇文章我們會(huì)介紹10大與時(shí)間相關(guān)的組合特征，這些特征在95%涉及到時(shí)間信息的競(jìng)賽中都是極為重要的特征，也是以往Top選手與新手拉開(kāi)差距的重要部分。

無(wú)序類(lèi)別特征+時(shí)間特征

為了方便表示我們將A作為無(wú)序類(lèi)別特征，B作為時(shí)間特征。無(wú)序類(lèi)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(guò)程中上分最多的幾大特征。

1. 基于A(yíng)/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(wèn)題中都是非常重要的特征。如果A表示商品的話(huà)，那么基于A(yíng)/B差值特征就表示A商品被瀏覽/購(gòu)買(mǎi)/點(diǎn)擊的時(shí)間差。

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

2.基于A(yíng)/B二次差值特征

基于A(yíng)/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(yíng)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(yíng)/B一次/二次差值特征的，我們?cè)贏(yíng)/B差值特征的基礎(chǔ)之上再計(jì)算A關(guān)于A(yíng)/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(yíng)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(duì)很小，這就暗示可能存在較強(qiáng)的周期性，A可能會(huì)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(yíng)/B差值的差值以及對(duì)應(yīng)統(tǒng)計(jì)特征

如果說(shuō)基于A(yíng)/B差值特征是一階滑動(dòng)，那么基于A(yíng)/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(lái)微弱的提升。因?yàn)楹突贏(yíng)/B的差值是類(lèi)似的，此處我們給出其計(jì)算方式，其它的不再贅述。

類(lèi)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(huì)差一些，實(shí)際中也很少能帶來(lái)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']??

小結(jié)

本篇文章我們列舉了特征工程中無(wú)序類(lèi)別變量與時(shí)間變量的十大重要組合特征，這些是最為重要的一組特征，也是傳統(tǒng)策略中上分最多的一組特征，除此之外與時(shí)間特征進(jìn)行組合的特征還有非常多，我們將會(huì)在本系列的下一篇中進(jìn)行介紹。

往期精彩回顧適合初學(xué)者入門(mén)人工智能的路線(xiàn)及資料下載機(jī)器學(xué)習(xí)及深度學(xué)習(xí)筆記等資料打印機(jī)器學(xué)習(xí)在線(xiàn)手冊(cè)深度學(xué)習(xí)筆記專(zhuān)輯《統(tǒng)計(jì)學(xué)習(xí)方法》的代碼復(fù)現(xiàn)專(zhuān)輯 AI基礎(chǔ)下載機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)專(zhuān)輯溫州大學(xué)《機(jī)器學(xué)習(xí)課程》視頻 本站qq群851320808，加入微信群請(qǐng)掃碼：

總結(jié)

以上是生活随笔為你收集整理的【数据竞赛】十大重要的时间组合特征！的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。