새로운 피처 만들기
Feature engineering에는 실제로 새로운 피처를 만드는 작업도 포함됩니다. 새로운 피처를 생성하는 일은 모델의 예측 정확도가 이러한 피처에 크게 의존하기 때문에 중요해요. 이 연습 문제에서는 데이터에서 정수형으로 보이지만 사실 범주형 값을 나타내는 세 개의 열의 속성을 확인합니다. 이 세 열은 search_engine_type, product_type, advertiser_type입니다. 이 세 열과 함께 device_id, site_id에 대해서도 카운트 피처를 만들 거예요. 이 카운트 피처는 각 열의 범주별 클릭 수를 나타내며, 이후 예측에 사용됩니다.
작업 공간에는 pandas 모듈이 pd로 제공되며, 예제 DataFrame은 df로 로드되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 Machine Learning을 활용한 CTR 예측
연습 안내
feature_list목록에 있는 각 피처에 대해 전체 값의 개수와 고유 값의 개수를 출력하세요..transform()을 사용해new_feature_list에 있는 피처별로 클릭 수를 계산하여 새로운 피처를 만드세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Get counts of total and unique values for given features
feature_list = ["search_engine_type", "product_type", "advertiser_type"]
for feature in feature_list:
print(df[feature].____)
print(df[feature].____)
# Define new features as counts
new_feature_list = ['device_id', 'site_id'] + feature_list
for new_feature in new_feature_list:
df[new_feature + '_count'] = df.____(
new_feature)['click'].____("count")
print(df.head(5))