返回 AI 工具目录
FeatureTools
自托管组件人工精选最近核验 2026年7月23日
Featuretools 是用于自动特征工程的 Python 库,核心是深度特征合成(Deep Feature Synthesis,DFS)。它面向由多张表、带时间戳的交易或关系型数据,通过定义实体与关系,自动组合内置或自定义的特征基元(primitives)批量生成机器学习特征,减少手工构造特征的工作量。生成的特征可直接进入 scikit-learn 工作流,底层基于 pandas DataFrame,并支持通过 Dask 做分布式处理以应对较大数据集;官方另提供高级基元、NLP、Dask 等付费或扩展 add-on。它专注建模前的特征生成环节,不涉及模型训练、选择或部署,通常与 scikit-learn 等建模库配合使用。
定价开源部署本地运行国内可达国内可达许可BSD-3-Clause
解决什么问题
- 手工构造机器学习特征耗时且易遗漏
- 多表关系型数据难以快速衍生特征
- 带时间戳的交易数据需要按时间做特征
- 特征构造过程难以复用与标准化
适合
- 多表或关系型表格数据的自动特征衍生
- 建模前批量生成候选特征
- 已用 scikit-learn、pandas 的建模流程
- 处理带时间戳的交易类数据
不适合
- 仅做特征工程,不含模型训练与部署
- 面向表格与关系数据,非图像语音场景
- 大数据集需配合 Dask,有额外配置
- 部分高级基元为付费 add-on
如何接入
- 输出特征直接接入 scikit-learn 管线
- 基于 pandas DataFrame 定义实体与关系
- 可选 Dask 做分布式特征计算
- 支持自定义特征基元扩展
已知限制
- 自动生成的特征可能冗余,需再做筛选
- 大规模数据对内存与算力有要求
- 高级基元、NLP 等能力需付费扩展
- 特征效果仍依赖数据质量与业务理解
接入与使用事实
- 部署方式
- 本地运行
- 实现语言
- Python
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- BSD-3-Clause
- 国内可达性
- 国内可达
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
暂无可公开的来源链接。