需要特征工程建议

Question

我在功能工程中遇到了一个问题。想找点建议。问题陈述:我有多个客户3天的使用数据。有的只使用1天，大约2天和3天。数据与每天发送的电子邮件/联系人的数量有关，等等。

我正在将这些时间序列数据转换为按列排列，即客户在day1上发送的电子邮件数量作为一个功能，客户在day2上发送的电子邮件数量作为一个功能，等等。但问题是，对于不同的客户，使用既可以是增加订单，也可以是减少订单。

例如1:客户'A‘‘第二天发送的电子邮件数量=0

例2:客户'B‘‘第二天发送的电子邮件数量=100封

例3:客户“C”‘第二天发送的电子邮件数量=0

例4:客户“D”‘第二天发送的电子邮件数量=100封

在前两种情况下，=>我的新特性将以"-100“和"100”作为值。我想这对区分很有帮助。但是，在第3和第4列中出现的问题是，在这两种情况下，新的特性值都是"0“，任何人都可以建议一种方法来处理这个问题。

处理这个问题的一种方法是：

我可以在这些场景中加上“没有变化”，但我对一件事感到困惑。如果我这样做，我将不得不使新的功能是明确的，这是不理想的，因为其他的值将是连续的。

相反，我可以在新特性中有绝对值，并将趋势表示为"+1“或”递增“-1表示”无变化“，如果这两个值都是"0”，则表示"0“。不过，这是个好办法吗？

最终目标是预测用户是否会继续使用该应用程序。基本上是两级模型。我甚至想捕捉到使用的规模，即“每天发送100封电子邮件的用户”应该与“每天发送10000封电子邮件的B用户”不同。

Answer 1

那么，如果您想要识别使用上的变化，可以尝试如下：

f(day_1,day2) = \frac{day_2-day_1 + \delta}{||day_2-day_1+\delta||} \times \Biggr|\Biggr|\frac{day_2+day_1}{(day_2+day_1+1)(day_2-day_1+1)}\Biggl|\Biggl|

其中\delta是机器的每股收益(最小值需要求和以区别于其他浮标)

那会给你

f(100,0) \approx -98.02

f(0,100) = 100

f(100,100) \approx 0.995

f(0,0) = 0

你可以看看我的实验

这将映射[0,1]中的所有非更改，其中f(0,0)映射到0，f(\infty,\infty)映射到1。

从哪来的？只是手动调优了这个函数。但我认为这可能足以满足你的申请

解释思想

你想要有一个能提供大量信息的功能：-使用量大于零吗？-它是增加还是减少？-如果被搁置，使用量是多少？

好的，您的使用在整数值上是不同的，所以您可以将整个不变但高于0的情况映射到以前未使用的间隔。

上面的函数将在[0,1]中映射所有不变的可能性，以指数型的方式(a^{(-\frac{1}{usage})})也可以从正变化和负变化的近似值中提取实际值(在跌落较高时是一个更好的近似)。

这不是完美的方案，但它是最大的信息，我可以压缩成一个变量，少损失。