featuretools.get_recommended_primitives

featuretools.get_recommended_primitives(entityset: EntitySet, include_time_series_primitives: bool = False, excluded_primitives: List[str] = ['count_string', 'distance_to_holiday', 'is_in_geobox', 'not_equal_scalar', 'equal_scalar', 'time_since', 'isin', 'multiply_boolean', 'numeric_lag', 'cum_count', 'cumulative_time_since_last_false', 'cumulative_time_since_last_true', 'diff', 'diff_datetime', 'is_first_occurrence', 'is_last_occurrence', 'time_since_previous', 'not', 'and', 'or', 'equal', 'not_equal']) → List[str]

获取给定实体集的推荐图元列表。

描述

此函数的工作原理是：首先获取一个有效的图元列表，其中不包含 excluded_primitives 中指定的任何可应用于单表 EntitySet 的图元。其次，为非数值字段创建特征，并检查其非唯一性。如果特征是非唯一的，则将其添加到推荐列表中。然后，检查数值字段的偏度。根据列的偏斜程度，将推荐 square_root 或 natural_logarithm。最后，如果 include_time_series_primitives 被指定为 True，则将始终推荐 Lag，如果存在数值列，还将推荐所有 Rolling 和 Expanding 图元。

参数:

• entityset (EntitySet) – 仅包含一个 dataframe 的 EntitySet。

• include_time_series_primitives (bool) – 是否应考虑时间序列图元。默认为 False。

• excluded_primitives (List[str]) – 从推荐中排除的转换图元列表。默认为 DEFAULT_EXCLUDED_PRIMITIVES。

注意

此函数的主要目标是推荐可能为建模过程提供重要特征的图元。非数值图元在主要作为从原始特征中提取信息的手段方面做得很好，这些原始特征本身可能意义不大（例如 NaturalLanguage、Datetime、LatLong）。这就是为什么它们是此函数的主要重点。数值转换图元非常依赖具体情况，因此很难从数学上量化应推荐哪些。因此，仅包含处理偏斜数值列的转换图元，因为这是一个标准且可量化的转换步骤。此规则的唯一例外是时间序列问题。由于只有极少数图元仅适用于时间序列，因此所有这些图元都包含在推荐的图元列表中。

注意

此函数目前仅适用于单表，并且只推荐转换图元。