Feature-Erzeugung

Feature Engineering mit PySpark

John Hogue

Lead Data Scientist

Warum neue Features erzeugen?

Erzeugung

Multiplizieren

Addieren

Differenz bilden

Dividieren

Feature Engineering mit PySpark

Warum neue Features erzeugen?

Längen-Linear-Modell-Plot

Breiten-Linear-Modell-Plot

Feature Engineering mit PySpark

Zwei Features kombinieren

Multiplikation

# Creating a new feature, area by multiplying
df = df.withColumn('TSQFT', (df['WIDTH'] * df['LENGTH']))

Flächen-Linear-Modell-Plot

Feature Engineering mit PySpark

Weitere Möglichkeiten, zwei Features zu kombinieren

# Sum two columns
df = df.withColumn('TSQFT', (df['SQFTBELOWGROUND'] + df['SQFTABOVEGROUND']))
# Divide two columns
df = df.withColumn('PRICEPERTSQFT', (df['LISTPRICE'] / df['TSQFT']))
# Difference two columns
df = df.withColumn('DAYSONMARKET', datediff('OFFMARKETDATE', 'LISTDATE'))
Feature Engineering mit PySpark

Wo ist die Grenze?

Automatisierte Features

  • FeatureTools & TSFresh
  • Feature-Explosion
  • Höhere Ordnung & mehr?

Futuristisches Bild

Feature Engineering mit PySpark

Auf geht's: Kombinieren!

Feature Engineering mit PySpark

Preparing Video For Download...