控制标签搜索中的截止时间¶
标注过程的开始时间称为第一个截止时间。你需要第一个截止时间之前存在的数据来构建特征。你可以在标签搜索中使用 minimum_data 直接定义第一个截止时间，或者定义在第一个截止时间之前所需的数据量。类似地，你可以使用 maximum_data 直接定义最后一个截止时间。这些参数允许你控制标注过程何时开始和结束。
标注客户交易¶
例如，假设你拥有 2021 年第一季度的客户交易数据。
[2]:
import composeml as cp
transactions.head()
[2]:
| customer_id | transaction_time | amount | |
|---|---|---|---|
| 0 | 3 | 2021-03-31 18:51:27 | 52.29 |
| 1 | 5 | 2021-03-22 06:56:05 | 33.81 |
| 2 | 5 | 2021-03-20 23:45:21 | 76.30 |
| 3 | 2 | 2021-03-30 10:06:59 | 32.72 |
| 4 | 1 | 2021-02-17 11:01:22 | 59.16 |
你想要计算客户在仅限二月的两个星期内花费的总金额。首先定义一个标注函数来汇总交易金额。然后，创建一个标签生成器，该生成器将使用交易时间在两个星期内标注数据。
[3]:
def total_amount(ds):
return ds.amount.sum()
lm = cp.LabelMaker(
labeling_function=total_amount,
time_index='transaction_time',
target_dataframe_index='customer_id',
window_size='14d',
)
定义第一个和最后一个截止时间¶
现在，你可以在标签搜索中使用 minimum_data 直接将 2 月 1 日设置为第一个截止时间。由于你正在标注两个星期内的数据，你可以将最后一个截止时间定义为 15 日。
[4]:
lt = lm.search(
df=transactions.sort_values('transaction_time'),
num_examples_per_instance=-1,
minimum_data='2021-02-01',
maximum_data='2021-02-15',
drop_empty=False,
verbose=False,
)
lt
[4]:
| customer_id | time | total_amount | |
|---|---|---|---|
| 0 | 1 | 2021-02-01 | 31.29 |
| 1 | 1 | 2021-02-15 | 59.16 |
| 2 | 2 | 2021-02-01 | 49.70 |
| 3 | 2 | 2021-02-15 | 86.15 |
| 4 | 3 | 2021-02-01 | 0.00 |
| 5 | 3 | 2021-02-15 | 28.96 |
| 6 | 4 | 2021-02-01 | 128.70 |
| 7 | 4 | 2021-02-15 | 59.67 |
| 8 | 5 | 2021-02-01 | 0.00 |
| 9 | 5 | 2021-02-15 | 0.00 |
更改每个客户的第一个截止时间¶
假设你有一个查找表，其中包含客户注册和创建账户的日期。现在，你对计算客户在仅限创建账户后的两个星期内花费的总金额感兴趣。
[5]:
created_account
[5]:
customer_id
1 2021-01-10
2 2021-02-12
3 2021-01-23
4 2021-02-13
5 2021-01-24
Name: created_account, dtype: datetime64[ns]
你可以直接使用注册日期列作为标注过程中的第一个截止时间。每个客户应该只有一个截止时间。
[6]:
lt = lm.search(
df=transactions.sort_values('transaction_time'),
num_examples_per_instance=-1,
minimum_data=created_account,
drop_empty=False,
verbose=False,
)
lt.head(10)
[6]:
| customer_id | time | total_amount | |
|---|---|---|---|
| 0 | 1 | 2021-01-10 | 0.00 |
| 1 | 1 | 2021-01-24 | 26.15 |
| 2 | 1 | 2021-02-07 | 90.45 |
| 3 | 1 | 2021-02-21 | 0.00 |
| 4 | 1 | 2021-03-07 | 49.64 |
| 5 | 2 | 2021-02-12 | 86.15 |
| 6 | 2 | 2021-02-26 | 0.00 |
| 7 | 2 | 2021-03-12 | 41.08 |
| 8 | 2 | 2021-03-26 | 32.72 |
| 9 | 3 | 2021-01-23 | 0.00 |
有关标注特定时期数据的更多详细信息，你可以查看关于生成数据切片的指南。