Crearea de noi caracteristici
Ingineria caracteristicilor include și crearea propriu-zisă a unor atribute noi. Acest pas este important, deoarece modelul se bazează pe aceste caracteristici pentru a face predicții cât mai precise. În acest exercițiu, vei analiza proprietățile a trei coloane care apar ca valori întregi în date, dar reprezintă de fapt valori categorice. Cele trei coloane sunt: search_engine_type, product_type și advertiser_type. Vei crea caracteristici de tip contor pentru aceste 3 coloane, precum și pentru device_id și site_id. Aceste caracteristici de tip contor reprezintă numărul de click-uri pentru fiecare dintre coloanele respective și vor fi folosite ulterior pentru predicție.
Modulul pandas este disponibil ca pd în spațiul tău de lucru, iar DataFrame-ul eșantion este încărcat ca df.
Acest exercițiu face parte din cursul
Predicția CTR cu Machine Learning în Python
Instrucțiuni pentru exercițiu
- Afișează numărul total de valori și numărul de valori unice pentru fiecare caracteristică din lista
feature_list. - Creează noi caracteristici din atributele din
new_feature_list, numărând numărul de click-uri pentru fiecare caracteristică cu ajutorul metodei.transform().
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# 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))