Platform For AI：在FeatureStore中使用自動特徵工程（AutoFE）

什麼是AutoFE

AutoFE（Auto Feature Engineering）指自動特徵工程，通過分析使用者輸入的資料，推薦給使用者一組特徵工程的操作。使用者可以直接使用這組操作進行特徵工程，也可以在此基礎上進一步自訂所需的處理過程。

AutoFE具體功能包括：

• 根據group by feature_x，group by(feature_x, feature_y)得到統計特徵，例如根據樣本按照城市統計銷量特徵，等於把城市映射為數值特徵。

• 分析特徵組合得到組合特徵，例如，crosscount(feature_x, feature_y)。

• 根據加減乘除得到衍生特徵， 例如，feature_x +-*/ feature_y。

• 基於決策樹類（GBDT）演算法對產生特徵（資訊價值，特徵重要性和相關性等）進行排序做特徵選取。

AutoFE使用流程

1. 預先處理

   將不同資料來源（ODPS/OSS/HDFS/本地）讀取的資料進行處理，根據具體需求和資料規模進行採樣，目前服務僅支援ODPS，單機版支援所有資料。

2. 特徵選取

   當特徵個數超過800列時，對後面特徵分析和模型訓練的效能有一定的影響，推薦使用GBDT對原始特徵做初步評估篩選。

3. 特徵分析

   對特徵進行統計分析、組合產生和用SAFE選擇，產生新的特徵集合。

   • 統計分析：通過多個重要統計指標（均值/標準差/最大值/最小值/偏度/峰度等），對特徵資料做統計分析。

   • 組合產生：通過訓練GBDT模型，結合樹的路徑來組合特徵，計算Information Gain Ratio進行排序，從而選出推薦的組合。

   • SAFE（Scalable Automatic Feature Engineering）選擇：通過分桶計算每列的Information Value，過濾過低的特徵，訓練GBDT模型，計算特徵重要性，過濾重要性過低的特徵。

     更多關於SAFE的資訊，請參見SAFE。

4. 模型訓練

   基於特徵分析組建組態和資料，對pipeline流程進行訓練，產生模型用於離線上均可使用的模型。

5. 特徵轉換

   載入pipeline模型，對訓練和測試資料進行特徵轉換，產生對應的特徵工程結果。

計費說明

AutoFE本身不收費，但在進行預先處理、特徵選取、分析和模型訓練等操作時，會在MaxCompute預付費/隨用隨付Project中啟動資料計算及模型訓練任務，因此會產生MaxCompute相關的公用資源費用，計費詳情請參見MaxCompute計費概述。

前提條件

在開始執行操作前，請確認您已完成以下準備工作。

準備工作

同步資料表pai_online_project.finance_record

為方便實踐操作，我們已在MaxCompute可公用讀取專案pai_online_project中提前預置了類比產生的資料表，您需要在DataWorks中執行如下SQL命令，將該資料表從pai_online_project專案同步到自己的DataWorks專案中。具體操作步驟如下：

1. 登入DataWorks控制台。

2. 在左側導覽列單擊資料建模與開發>資料開發。

3. 選擇已建立的DataWorks工作空間後，單擊進入資料開發。

4. 滑鼠移至上方至建立，選擇建立節點>MaxCompute>ODPS SQL，在彈出的頁面中配置節點參數。

   參數	取值建議
   引擎執行個體	選擇已建立的MaxCompute引擎。
   節點類型	ODPS SQL
   路徑	商務程序/Workflow/MaxCompute
   名稱	可自訂名稱。

5. 單擊確認。

6. 在建立節點地區運行以下SQL命令，將資料表從pai_online_project專案同步到自己的MaxCompute中。

   CREATE TABLE IF NOT EXISTS finance_record
   like pai_online_project.finance_record
   STORED AS ALIORC  
   LIFECYCLE 90;
   
   INSERT OVERWRITE TABLE finance_record
   SELECT *
   FROM pai_online_project.finance_record

操作步驟

1. 進入DSW開發環境。

   1. 登入PAI控制台。

   2. 在頁面左上方，選擇DSW執行個體所在的地區。

   3. 在左側導覽列單擊工作空間列表，在工作空間列表頁面中單擊預設工作空間名稱，進入對應工作空間內。

   4. 在左側導覽列，選擇模型開發與訓練>互動式建模（DSW）。

   5. 單擊需要開啟的執行個體操作列下的開啟，進入DSW執行個體開發環境。

2. 在Notebook頁簽的Launcher頁面，單擊快速開始地區Tool下的DSW Gallery，進入DSW Gallery頁面。

   

3. 在DSW Gallery頁面中，搜尋特徵平台中使用自動特徵工程，單擊在DSW中開啟，即可自動將所需的資源和教程檔案下載至DSW執行個體中，並在下載完成後自動開啟教程檔案。

   

4. 在開啟的教程檔案feature_store_with_autofe.ipynb中，您可以查看教程內容以及直接運行教程。

   在教程檔案中配置參數並單擊，即可運行對應步驟的命令。當成功運行完一個命令後，再依次運行下個步驟的命令。

   

5. 運行完成後，前往OSS管理主控台查看實驗結果。

   OSS Bucket請參見步驟4中參數output_config_oss_dir對應的值。