深度特征合成与遗传特征生成，两种自动特征生成策略的比较

特征工程是从现有特征创建新特征的过程，通过特征工程可以捕获原始特征不具有的与目标列的额外关系。这个过程对于提高机器学习算法的性能非常重要。尽管当数据科学家将特定的领域知识应用特定的转换时，特征工程效果最好，但有一些方法可以以自动化的方式完成，而无需先验领域知识。

在本文中，我们将通过一个示例介绍如何使用 ATOM 包来快速比较两种自动特征生成算法：深度特征合成 (Deep feature Synthesis, DFS) 和遗传特征生成 (Genetic feature generation, GFG)。ATOM 是一个开源 Python 包，可以帮助数据科学家加快对机器学习管道的探索。

基线模型

为了进行对比，作为对比的基线只使用初始特征来训练模型。这里使用的数据是来自 Kaggle的澳大利亚天气数据集的变体。该数据集的目标是预测明天是否会下雨，在目标列 RainTomorrow 上训练一个二元分类器。

1. import pandas as pd
2. from atom import ATOMClassifier
4. # Load the data and have a look
5. X = pd.read_csv("./datasets/weatherAUS.csv")
6. X.head()

初始化实例并准备建模数据。这里仅使用数据集的一个子集（1000 行）进行演示。下面的代码估算缺失值并对分类特征进行编码。

1. atom = ATOMClassifier(X, y="RainTomorrow", n_rows=1e3, verbose=2)
2. atom.impute()
3. atom.encode()

输出如下所示。

可以使用 dataset 属性快速检查数据转换后的样子。

1. atom.dataset.head()

数据现在已准备好。本文将使用 LightGBM 模型进行预测。使用 atom 训练和评估模型非常简单：

1. atom.run(models="LGB", metric="accuracy")

可以看到测试集上达到了 0.8471 的准确率。下面看看自动特征生成是否可以改善这一点。

 完整文章：

https://www.overfit.cn/post/389b1d229dae4d0fb7b584cb37a350de