问题描述
我有一个数据集,我想对其进行自动特征工程。然而它是基于时间序列的,所以为了使它工作,我必须使用 2 个东西作为 id,对象 id 和日期。
x = pd.DataFrame({'id': [1,2,1],'date': [2012021,2032021,4052021],'x1': [1,3]})
y = pd.DataFrame({'id': [1,'label': [3,1]})
entities = {"features": (x,['id','date']),"labels": (y,'date'])}
feature_matrix,features_defs = ft.dfs(entities=entities,target_entity="y")
当我运行这个时,我得到这个错误:
TypeError: unhashable type: 'list'
我该如何解决这个问题?
解决方法
您是对的,但在这里,您应该为实体集创建唯一索引,然后在 id
中使用正确的索引 (dfs
)。我会推荐这种方式:
- 创建单个数据框而不是两个
data = pd.DataFrame({'id': [1,2,1],'date': [2012021,2032021,4052021],'x1': [1,3],'label': [3,1]})
- 为列添加唯一索引
data['index'] = data.index
- 创建实体集
es = ft.EntitySet('My EntitySet')
- 从数据帧创建实体(不使用两种索引)
es.entity_from_dataframe(
entity_id='main_data',dataframe=data,index='index',time_index='date'
)
- 标准化
es.normalize_entity(
base_entity_id='main_data',new_entity_id='observations',index='id',make_time_index=True
)
- 创建特征(如果您不想使用默认设置,请不要忘记设置例如聚合)
feature_matrix,features_defs = ft.dfs(entityset=es,target_entity="main_data")
可能有另一种甚至更好的方法来处理这个问题,请检查 this github question 或 this SO answer。