featuretools.primitives.ExponentialWeightedAverage

class featuretools.primitives.ExponentialWeightedAverage(com=None, span=None, halflife=None, alpha=None, ignore_na=False)

计算一个数列的指数加权移动平均

描述

返回一个数列的指数加权移动平均。必须提供中心质量 (com)、跨度 (span)、半衰期 (halflife) 和 alpha 中的 *且仅* 一个。通过将 ‘ignore_na’ 设置为 True，可以在计算权重时忽略缺失值。

参数:

• com (float) – 指定中心质量 (com) >= 0 时的衰减。默认为 None。

• span (float) – 指定跨度 (span) >= 1 时的衰减。默认为 None。

• halflife (float) – 指定半衰期 (halflife) > 0 时的衰减。默认为 None。

• alpha (float) – 直接指定平滑因子 alpha。Alpha 应大于 0 且小于等于 1。默认为 None。

• ignore_na (bool) – 计算权重时忽略缺失值。默认为 False。

示例

>>> exponential_weighted_average = ExponentialWeightedAverage(com=0.5)
>>> exponential_weighted_average([1, 2, 3, 4]).tolist()
[1.0, 1.75, 2.615384615384615, 3.55]

缺失值可以被忽略 >>> ewma_ignorena = ExponentialWeightedAverage(com=0.5, ignore_na=True) >>> ewma_ignorena([1, 2, 3, None, 4]).tolist() [1.0, 1.75, 2.615384615384615, 2.615384615384615, 3.55]

__init__(com=None, span=None, halflife=None, alpha=None, ignore_na=False)

方法

__init__([com, span, halflife, alpha, ignore_na])
flatten_nested_input_types(input_types)	将嵌套的列模式输入展平为单个列表。
generate_name(base_feature_names)
generate_names(base_feature_names)
get_args_string()
get_arguments()
get_description(input_column_descriptions[, ...])
get_filepath(filename)
get_function()

属性

base_of
base_of_exclude
commutative
default_value	如果未找到数据，此特征返回的默认值。
description_template
input_types	输入的 woodwork.ColumnSchema 类型
max_stack_depth
name	原语名称
number_output_features	与此特征相关的特征矩阵中的列数
return_type	返回的 ColumnSchema 类型
stack_on
stack_on_exclude
stack_on_self
uses_calc_time
uses_full_dataframe