featuretools
İlişkisel veri setleri üzerinde Derin Özellik Sentezi (Deep Feature Synthesis) kullanan otomatik Python özellik mühendisliği kütüphanesi.
Derin Özellik Sentezi kullanarak çok tabloları veri setlerini makine öğrenimi özellik matrislerine dönüştürün.
Featuretools, ilişkisel ve zaman serisi veri setlerinden otomatik özellik oluşturma sağlayan bir Python kütüphanesidir. İlişkisel verileri toplayıp dönüştürerek makine öğrenimi modellerine hazır düz bir özellik matrisi oluşturmak için Derin Özellik Sentezi kullanır. Python boru hatlarında (pipeline) manuel özellik oluşturma sürecini değiştirmek isteyen veri bilimciler bunu kullanmalıdır.
Nedir
Kütüphane, EntitySet'leri kullanarak birden fazla tablo arasındaki ilişkileri haritalandırır ve dönüşüm ile toplama ilkelerini (primitive) uygular. İlişkisel yapılar üzerinden iç içe hesaplamaları birleştirerek hedef veri çerçevesi için otomatik olarak özellik vektörleri üretir. Ayrıca özel ilkeler tanımlayabilir veya isteğe bağlı NLP ve Dask eklentileriyle işlevselliği genişletebilirsiniz.
Kimler için
Bu araç, çok tablolu ilişkisel veritabanları ve işlemsel (transactional) verilerle çalışan Python veri bilimcileri ve makine öğrenimi mühendisleri için uygundur. Grafik kullanıcı arayüzüne veya tablosal tıkla-çalıştır araçlarına ihtiyaç duyan programcı olmayanlar için tasarlanmamıştır. Ayrıca özellik üretmeden önce ham verilerin ilişkisel formatlarda yapılandırılmasını gerektirir.
Temel özellikler
Derin Özellik Sentezi Motoru
İlişkili tablolar arasında otomatik olarak iç içe toplama ve dönüştürme özellikleri oluşturur.
Özel İlke Tanımları
Yerleşik dönüştürme kurallarının yetersiz kaldığı durumlarda özel Python fonksiyonları yazmanıza olanak tanır.
NLP ve Ölçeklendirilmiş Eklentiler
Paralel yürütme için doğal dil işleme ilkelerini ve Dask entegrasyonunu destekler.
3 adımda hazır
Dürüst kararımız
Artıları
- Çok tablolardan doğrudan ilişkisel özellik oluşturmayı otomatiktir.
- Özelleştirilmiş alan hesaplamaları için özelleştirilebilir özellik ilkeleri sunar.
- Özellik üretimini paralel bilgi işlem kümeleri arasında yürütmek için Dask ile entegre olur.
- Hızlı değerlendirme için yerleşik demo veri setleri ve eğitim defterleri içerir.
Eksileri
- Büyük veri setlerinde derin özellikler oluşturmak önemli ölçüde bellek ve CPU kaynakları gerektirir.
- Python'da veri seti şemalarını ve tablo ilişkilerini doğru bir şekilde tanımlamak için ön hazırlık çalışması gerektirir.
- Sonradan özellik seçimi gerektiren yüzlerce düşük değerli özellik üretebilir.
Fiyatlar & lisans
Featuretools, BSD-3-Clause lisansı altında ücretsiz olarak kullanılabilir. Temel maliyetler, büyük veri setleri üzerinde özellik çıkarma işlemini çalıştırmak için gereken bilgi işlem donanımı ve bellekten kaynaklanır.
Türkçe konuşanlar için işler
879 açık uzaktan yapay zeka eğitimi işi, 15 Kasım 2026 tarihinde güncellendi; çoğu saatlik $20–$175 ödüyor. Bunların 2 tanesi Türkçe konuşanlar için. Zekai ücretsiz listeler; başvuru işverenin platformunda yapılır.
Alternatifler
Kullanın ya da biz kuralım
SSS
Büyük veri setlerinde Featuretools nasıl ölçeklendirilir?
Derin Özellik Sentezi'ni birden fazla çekirdek veya küme düğümü üzerinde çalıştırmak için isteğe bağlı Dask eklentisini yükleyebilirsiniz.
Özel özellik mantığı oluşturabilir miyiz?
Evet, Featuretools Python'da özel toplama ve dönüştürme ilkeleri tanımlamanıza izin verir.
