Створення нових ознак
Інженерія ознак також включає безпосереднє створення нових ознак. Це важливо, адже модель покладається на такі ознаки для підвищення точності передбачень. У цій вправі ви перевірите властивості трьох стовпців, які мають цілочисельний тип у даних, але насправді є категоріальними. Це такі стовпці: search_engine_type, product_type та advertiser_type. Ви створите лічильникові ознаки для цих трьох стовпців, а також для device_id і site_id. Такі лічильникові ознаки відображають кількість кліків для кожного з цих стовпців і будуть використані далі для передбачення.
Модуль pandas доступний як pd у вашому середовищі, а зразковий датафрейм завантажено як df.
Ця вправа є частиною курсу
Прогнозування CTR за допомогою машинного навчання в Python
Інструкції до вправи
- Виведіть загальну кількість значень і кількість унікальних значень для кожної ознаки зі списку
feature_list. - Створіть нові ознаки зі списку
new_feature_list, порахувавши кількість кліків для кожної ознаки за допомогою.transform().
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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))