Feature Engineering for E-Commerce Machine Learning

1. 解决的问题

核心问题：模型效果的上限由特征质量决定。同样的算法，好的特征 vs 差的特征，效果可能差3-5倍。特征工程是"把领域知识注入模型的艺术"。

2. 核心算法逻辑

核心问题：模型效果的上限由特征质量决定。同样的算法，好的特征 vs 差的特征，效果可能差35倍。特征工程是"把领域知识注入模型的艺术"。

3. 业务应用场景

业务问题：预测哪些用户会在30天内流失，用于精准召回。

原始数据：用户ID、注册日期、订单记录、浏览记录

| 特征名 | 计算方式 | 业务含义 | |--------|---------|---------| | recency_days | 今天 - 最后购买日 | 多久没来了 | | frequency_90d | 近90天订单数 | 购买活跃度 | | monetary_total | 累计消费金额 | 用户价值 | | avg_order_value | 总消费 / 订单数 | 客单价偏好 | | browse_to_buy_ratio | 浏览次数 / 购买次数 | 购买决策效率 | | category_diversity | 购买过的品类数 | 兴趣广度 | | days_sinc

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

• ROI：特征质量提升 → 模型效果提升30-50%，直接转化为业务收益
• 难度：⭐⭐⭐☆☆（3/5）— 需要领域知识，不是纯技术问题
• 优先级：⭐⭐⭐⭐⭐（5/5）— 所有ML技能的前置基础，没有它就没有模型效果

7. 代码模板

代码块数量：1 · 路径：未检测到

"""
Feature Engineering — 特征工程工具箱
支持：数值处理、类别编码、时序特征、特征选择
"""

import numpy as np
import pandas as pd
from sklearn.preprocessing import StandardScaler, MinMaxScaler, OneHotEncoder
from sklearn.feature_selection import mutual_info_classif, SelectKBest


class FeatureEngineer:
    """特征工程器"""

    def __init__(self):
        self.scalers = {}
        self.encoders = {}
        self.target_means = {}

    def log_transform(self, df, cols, offset=1):
        """对数变换"""
        df = df.copy()
        for c in cols:
            df[f'{c}_log'] = np.log1p(df[c] + offset)
        return df

    def binning(self, df, col, n_bins=5, method='quantile'):
        """分箱"""
        df = df.copy()
        if method == 'quantile':
            df[f'{col}_bin'] = pd.qcut(df[col], q=n_bins, labels=False, duplicates='drop')
        else:
            df[f'{col}_bin'] = pd.cut(df[col], bins=n_bins, labels=False)
        return df

    def target_encoding(self, df, cat_col, target_col, smoothing=10):
        """目标编码（带平滑）"""
        df = df.copy()
        global_mean = df[target_col].mean()

        stats = df.groupby(cat_col)[target_col].agg(['mean', 'count'])
        smoothed = (stats['mean'] * stats['count'] + global_mean * smoothing) / (stats['count'] + smoothing)

        df[f'{cat_col}_te'] = df[cat_col].map(smoothed)
        self.target_means[cat_col] = smoothed.to_dict()
        return df

    def time_features(self, df, datetime_col):
        """时间特征提取"""
        df = df.copy()
        dt = pd.to_datetime(df[datetime_col])
        df['hour'] = dt.dt.hour
        df['dayofweek'] = dt.dt.dayofweek
        df['month'] = dt.dt.month
        df['is_weekend'] = (dt.dt.dayofweek >= 5).astype(int)
        df['is_month_start'] = dt.dt.is_month_start.astype(int)
        return df

    def rolling_features(self, df, group_col, value_col, windows=[7, 14, 30]):
        """滚动统计特征"""

8. 论文来源

未自动抽取；请查看原始 Skill 卡片。