featuretools
Automatisierte Python-Bibliothek für das Feature Engineering unter Verwendung von Deep Feature Synthesis auf relationalen Datensätzen.
Transformieren Sie Datensätze mit mehreren Tabellen mithilfe von Deep Feature Synthesis in Feature-Matrizen für das maschinelle Lernen.
Featuretools ist eine Python-Bibliothek, die die Erstellung von Features aus relationalen und Zeitreihendatensätzen automatisiert. Sie nutzt Deep Feature Synthesis, um relationale Daten zu aggregieren und in eine flache Feature-Matrix zu transformieren, die für Machine-Learning-Modelle bereit ist. Data Scientists, die die manuelle Feature-Erstellung in Python-Pipelines ersetzen möchten, sollten sie verwenden.
Was es ist
Die Bibliothek bildet Beziehungen über mehrere Tabellen hinweg mithilfe von EntitySets ab und wendet Transformations- und Aggregationsprimitive an. Sie generiert automatisch Feature-Vektoren für ein Ziel-Dataframe, indem sie verschachtelte Berechnungen über relationale Strukturen kombiniert. Sie können auch benutzerdefinierte Primitive definieren oder die Funktionalität mit optionalen NLP- und Dask-Erweiterungen erweitern.
Für wen
Dieses Tool eignet sich für Python Data Scientists und Machine Learning Engineers, die mit relationalen Datenbanken aus mehreren Tabellen und Transaktionsdaten arbeiten. Es ist nicht für Nicht-Programmierer gedacht, die eine grafische Benutzeroberfläche oder tabellarische Point-and-Click-Tools benötigen. Außerdem müssen die Rohdaten vor der Generierung von Features in relationale Formate strukturiert werden.
Wichtige Funktionen
Deep Feature Synthesis Engine
Erstellt automatisch verschachtelte Aggregations- und Transformations-Features über verknüpfte Tabellen hinweg.
Definition benutzerdefinierter Primitive
Ermöglicht das Schreiben maßgeschneiderter Python-Funktionen, wenn integrierte Transformationsregeln nicht ausreichen.
NLP- und skalierte Erweiterungen
Unterstützt Primitive für die natürliche Sprachverarbeitung und Dask-Integration für die parallele Ausführung.
Startklar in 3 Schritten
Unser ehrliches Fazit
Stärken
- Automatisiert die Erstellung relationaler Features direkt aus Datensätzen mit mehreren Tabellen.
- Bietet an Anpassbare Feature-Primitive für spezielle Domänenberechnungen.
- Integriert sich in Dask, um die Feature-Generierung über parallele Rechencluster hinweg auszuführen.
- Enthält integrierte Demo-Datensätze und Tutorial-Notebooks für eine schnelle Evaluierung.
Schwächen
- Das Generieren von Deep Features über große Datensätze hinweg erfordert erheblichen Arbeitsspeicher und CPU-Ressourcen.
- Erfordert Vorarbeit, um Datensatzschemata und Tabellenbeziehungen in Python korrekt zu definieren.
- Kann Hunderte von minderwertigen Features generieren, die eine anschließende Feature-Auswahl erfordern.
Preise & Lizenz
Featuretools ist unter der BSD-3-Clause-Lizenz kostenlos nutzbar. Die Hauptkosten entstehen durch die Rechenhardware und den Arbeitsspeicher, die für die Ausführung der Feature-Extraktion bei großen Datensätzen erforderlich sind.
Stellen für Deutschsprachige
879 offene Remote-Stellen im KI-Training, aktualisiert am 15. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Alternativen
Nutze es, oder lass es uns einrichten
FAQ
Wie skaliert man Featuretools bei großen Datensätzen?
Sie können die optionale Dask-Erweiterung installieren, um Deep Feature Synthesis über mehrere Kerne oder Cluster-Knoten hinweg auszuführen.
Kann man benutzerdefinierte Feature-Logik erstellen?
Ja, mit Featuretools können Sie benutzerdefinierte Aggregations- und Transformationsprimitive in Python definieren.
