在featuretools中,要获取最高实体的trans_primitives,可以通过以下步骤实现:
import featuretools as ft
es = ft.EntitySet()
es = es.entity_from_dataframe(entity_id='table_name', dataframe=dataframe, index='index_column')
其中,'table_name'是实体的名称,dataframe是数据表的DataFrame对象,'index_column'是数据表中的索引列。
relationship = ft.Relationship(parent_variable=es['parent_entity']['parent_variable'],
child_variable=es['child_entity']['child_variable'])
es = es.add_relationship(relationship)
其中,'parent_entity'和'child_entity'是实体的名称,'parent_variable'和'child_variable'是连接实体的变量。
feature_matrix, feature_defs = ft.dfs(entityset=es, target_entity='target_entity')
其中,'target_entity'是目标实体的名称。
trans_primitives = ft.list_primitives().groupby('type')['name'].apply(list)['transform']
这将返回一个列表,包含所有trans_primitives的名称。
总结: 通过以上步骤,可以使用featuretools库获取最高实体的trans_primitives。featuretools是一个用于自动化特征工程的强大工具,它可以帮助我们从原始数据中自动生成有意义的特征,加速机器学习模型的训练和预测过程。
推荐的腾讯云相关产品:腾讯云机器学习平台(https://cloud.tencent.com/product/tiia)和腾讯云数据工场(https://cloud.tencent.com/product/dt)可以提供数据处理和机器学习的支持,帮助用户进行特征工程和模型训练。
领取专属 10元无门槛券
手把手带您无忧上云