featuretools.primitives.ExponentialWeightedVariance#

class featuretools.primitives.ExponentialWeightedVariance(com=None, span=None, halflife=None, alpha=None, ignore_na=False)[源代码]#

计算一系列数字的指数加权移动方差

描述

返回一系列数字的指数加权移动方差。必须且只能提供中心质量 (com)、跨度 (span)、半衰期 (halflife) 和 alpha 中的一个。通过设置 ‘ignore_na’ 为 True 可以在计算权重时忽略缺失值。

参数:

  • com (float) – 指定大于等于 0 的中心质量 (com) 衰减。默认为 None。

  • span (float) – 指定大于等于 1 的跨度 (span) 衰减。默认为 None。

  • halflife (float) – 指定大于 0 的半衰期 (halflife) 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) – 在计算权重时忽略缺失值。默认为 False。

示例

>>> exponential_weighted_variance = ExponentialWeightedVariance(com=0.5)
>>> exponential_weighted_variance([1, 2, 3, 4]).tolist()
[nan, 0.49999999999999983, 0.8461538461538459, 1.1230769230769233]

缺失值可以被忽略

>>> ewmv_ignorena = ExponentialWeightedVariance(com=0.5, ignore_na=True)
>>> ewmv_ignorena([1, 2, 3, None, 4]).tolist()
[nan, 0.49999999999999983, 0.8461538461538459, 0.8461538461538459, 1.1230769230769233]
__init__(com=None, span=None, halflife=None, alpha=None, ignore_na=False)[源代码]#

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

woodwork.ColumnSchema 输入类型

max_stack_depth

name

图元名称

number_output_features

与此特征相关的特征矩阵中的列数

return_type

ColumnSchema 返回类型

stack_on

stack_on_exclude

stack_on_self

uses_calc_time

uses_full_dataframe