Autofeat

Autofeat 是一个 Python 库，提供与 sklearn 兼容的线性预测模型，并具备自动化的特征工程和特征选择功能。

概述

Autofeat 通过自动化特征生成和选择，简化了提升线性模型性能的过程。它首先生成大量非线性特征，然后从中选择一小部分稳健且有意义的特征子集，以增强线性模型的预测能力。这种多步骤的方法使您能够在不牺牲准确性的前提下，充分利用线性模型的可解释性。

主要特性：

• 自动化特征生成与选择：自动为线性模型生成并选择特征，从而提升模型性能。
• 性能与可解释性的双重提升：生成的特征能够提高预测精度，同时保持线性模型直观的可解释性。
• 无缝集成：完全兼容 scikit-learn 的管道，便于轻松集成到现有的机器学习工作流中。

使用场景：

• 非常适合对模型透明度要求较高的监督学习任务，以支持决策制定。
• 适用于大型数据集中的特征选择，自动发现重要变量。
• 在需要发现并利用非线性特征但又不想使模型过于复杂的情况下非常有用。

注意：该代码仅供研究使用。结果可能因数据集和具体应用场景而异。

安装

Autofeat 已发布在 PyPI 上，可通过 pip 轻松安装：

pip install autofeat

其他依赖项

• numpy
• pandas
• scikit-learn
• sympy
• joblib
• pint
• numba

文档与资源

描述	链接
示例笔记本	examples
文档	documentation
论文	paper
演讲	PyData 演讲

如果您在工作中使用了本代码，请考虑引用以下论文：

@inproceedings{horn2019autofeat,
  title={The autofeat Python Library for Automated Feature Engineering and Selection},
  author={Horn, Franziska and Pack, Robert and Rieger, Michael},
  booktitle={Joint European Conference on Machine Learning and Knowledge Discovery in Databases},
  pages={111--120},
  year={2019},
  organization={Springer}
}

如有任何问题，请随时发送邮件至 [cod3licious@gmail.com]。当然，如果您发现了任何 bug 或希望贡献其他改进，欢迎提交 Pull Request！

致谢

本项目得益于 BASF 的支持得以实现。

Autofeat 快速上手指南

环境准备

系统要求

• 操作系统：Windows / macOS / Linux
• Python 版本：3.6 或以上

前置依赖

Autofeat 依赖以下 Python 库，通常会随安装自动引入：

• numpy
• pandas
• scikit-learn
• sympy
• joblib
• pint
• numba

安装步骤

使用 pip 安装 Autofeat，推荐使用国内镜像源以加快下载速度：

pip install autofeat -i https://pypi.tuna.tsinghua.edu.cn/simple

基本使用

以下是一个最简单的使用示例，展示如何使用 Autofeat 对数据进行特征工程并训练一个线性模型：

from autofeat import AutoFeat
from sklearn.linear_model import LinearRegression
from sklearn.datasets import make_regression
from sklearn.model_selection import train_test_split

# 生成示例数据
X, y = make_regression(n_samples=1000, n_features=10, noise=0.1)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 初始化 AutoFeat
af = AutoFeat()

# 自动生成和选择特征
X_train_transformed = af.fit_transform(X_train, y_train)
X_test_transformed = af.transform(X_test)

# 使用线性回归模型进行训练
model = LinearRegression()
model.fit(X_train_transformed, y_train)

# 评估模型
score = model.score(X_test_transformed, y_test)
print(f"模型评分: {score}")