featuretools:为什么dfs()要做冗余计算？

Question

以下是来自官方docs的示例代码

import featuretools as ft
es = ft.demo.load_mock_customer(return_entityset=True)

feature_matrix, feature_defs = ft.dfs(
    entityset=es,
    target_entity="customers",
    agg_primitives=["sum", "mode"],
    trans_primitives=["cum_max", "month", "cum_count"],
    max_depth=2
)

feature_defs

>> 
[<Feature: zip_code>,
 ....
 <Feature: MODE(sessions.device)>,
 <Feature: MODE(transactions.sessions.device)>,
 ...
 ]

通过分析graph_feature()的计算，虽然MODE(sessions.device)和MODE(transactions.sessions.device)的计算方法不同，但它们看起来是相同的。如果我是对的，为什么dfs会重复计算？

Answer 1

谢谢你的问题！虽然它们看起来很相似，但它们实际上是不同的功能。MODE(sessions.device)是客户所有会话上的设备模式，而MODE(transactions.sessions.device)是客户所有事务上的设备模式。

作为演示差异的快速示例，假设客户有3个会话：

session_id        device
------------------------
         A        Mobile
         B            PC              
         C            PC

还有5个事务，每个事务都与以下会话之一相关联：

transaction_id      session_id     sessions.device
--------------------------------------------------
             0               A              Mobile
             1               A              Mobile
             2               A              Mobile
             3               B                  PC
             4               C                  PC

在本例中，MODE(sessions.device)将是PC，但MODE(transactions.sessions.device)将是移动的，因为有更多事务与会话A相关联。在特征图中，关键区别是MODE(transactions.sessions.device)首先加入事务实体。即使按会话分组，也不会得到开始时的结果，因为每个事务现在都有自己的值。