是否有用于特征工程的工具？

我正在寻找的是具有某些功能的工具，这些功能特定于功能工程。我希望能够轻松地进行平滑，可视化，填补空白等。类似于MS Excel，但它以R作为基础语言而不是VB。

非常有趣的问题（+1）。虽然我不知道目前有任何软件工具可以提供功能工程的综合功能，但在这方面肯定有很多选择。据我所知，目前，要素工程在很大程度上仍然是一个费力且手动的过程（即，请参阅此博客文章）。谈到功能工程主题领域，Jason Brownlee的这篇出色文章提供了对该主题的相当全面的概述。

O'Reilly Media Inc.的首席数据科学家兼数据内容策略总监Ben Lorica写了一篇非常不错的文章，描述了截至2014年6月的最新方法，方法，工具和创业公司。区域自动（或如他所说的那样，精简）功能的工程。

我简要介绍了Ben提及的一些初创公司，Skytree的产品确实确实令人印象深刻，尤其是在这个问题的主题上。话虽如此，他们的一些说法对我来说真的很可疑（例如，“ Skytree将机器学习方法与开放源代码选择相比，最多可提高150倍”）。在继续谈论商业数据科学和机器学习产品时，我不得不提到Microsoft的解决方案，尤其是其Azure Machine Learning Studio。此基于Web的产品功能强大且美观大方，并提供了一些功能工程功能（FEF）。有关一些简单的FEF的示例，请参见以下视频。

回到问题，我认为可以用于自动进行要素工程的最简单方法是使用相应的IDE。由于您（我也）对R语言作为数据科学后端感兴趣，因此我建议除了RStudio之外，还要检查另一个类似的开源IDE，称为RKWard。RKWard vs RStudio的优点之一是它支持为IDE 编写插件，从而使数据科学家能够自动化功能工程并简化基于R的数据分析。

最后，在特征工程解决方案范围的另一端，我们可以找到一些研究项目。最为明显的两个似乎是斯坦福大学的哥伦布项目（在相应的研究论文中进行了详细描述）和Brainwash（本文中进行了描述）。

Featuretools是最近发布的用于自动特征工程的python库。它基于名为Deep Feature Synthesis的算法，该算法最初于2015年MIT开发，并在Kaggle的公共数据科学竞赛中进行了测试。

这就是它如何适合通用数据科学过程。

该库的目的不仅是帮助专家更快地构建更好的机器学习模型，而且还使数据科学过程对尝试学习的人减少了威胁。如果您有事件驱动或相关数据，我强烈建议您检查一下！

免责声明：我是该项目的开发人员之一。

特征工程是机器学习的核心，既费力又费时。已经进行了各种使要素工程自动化的尝试，以期使人们摆脱困境。解决分类问题的一种具体实现是auto-sklearn。它在后台使用了一种称为SMAC的优化程序来选择适当的一组变换和算法（以及算法参数）。

请注意，Trifacta提供了一个非常易于使用的数据转换工具。它具有高度直观的GUI，可用于设置转换/特征工程图。还有一个免费试用版，可用于解决大小合理的问题。

Scikit-learn最近发布了新的转换器，用于处理特征工程的许多方面。例如：

1. 您可以使用SimpleImputer（http://scikit-learn.org/stable/modules/generation/sklearn.impute.SimpleImputer.html）进行多种缺失数据插补技术，包括数值和分类变量的均值，中位数和任意值插补。

2. 您可以使用IterativeImputer（https://scikit-learn.org/stable/modules/genic/sklearn.impute.IterativeImputer .html＃sklearn.impute.IterativeImputer）

3. 您可以使用OneHotEncoder()Scikit-learn中的分类进行一种热门编码

4. 您可以使用来按数字对分类变量进行编码LabelEncoder。

5. 您可以使用PowerTransformer（http://scikit-learn.org/stable/modules/generation/sklearn.preprocessing.PowerTransformer.html）进行Yeo-Johnson变量转换。

6. 您可以使用KBinsDiscretiser（https://scikit-learn.org/stable/auto_examples/preprocessing/plot_discretization.html）进行离散化

Scikit学习中可能还有其他功能工程转换器，开发人员会定期更新库。

作为著名的Scikit学习库的替代，最近发布了一个新的开源库，称为feature-engine。使用功能引擎，您可以：

1. 在数字和分类变量中表示均值，中位数，任意，尾端和随机插补
2. 进行各种类型的分类编码，包括热，整数，序数，均值编码和证据权重。
3. 执行各种变量转换，包括对数，倒数，exp和box cox
4. 各种离散化，包括等频率，等距离和基于树
5. 离群值处理。

github repo和docs（https://feature-engine.readthedocs.io/en/latest/）中的更多详细信息

免责声明：我创建了功能引擎并将其开源。

另一个开源python包允许使用不同类型的分类变量编码：https：//contrib.scikit-learn.org/categorical-encoding/

最后，功能工具是用于交易数据的良好开源库。

您应该考虑检查Azure机器学习平台。它是在线的，您可以通过一个免费帐户使用它。

Azure ML通过使用图形用户界面中的模块为您提供工作流。它们中的许多都与Data Munging有关，您可以轻松清理数据。如果在GUI中无法执行某些操作，则只需添加一个模块即可运行自定义R或Python脚本来处理数据。

它的好处是，您可以随时轻松地可视化数据并检查dataframe.describe()R的简单统计信息。

Amazon Machine Learning是一种工具，我有时会使用它进行功能设计。

由于Amazon AWS服务已显示出许多希望和标准，因此我绝对可以指望Amazon ML，因为它具有使数据科学家的工作流程变得更简单的前景和希望。但是到目前为止，它仍然很小。

但是，正如您要求的用于特征工程的工具一样，这就是其中之一。

有关/有关使用Amazon ML的一些常见问题解答。