one_to_all_pipeline

featminer.pipelines.one_to_all.one_to_all_pipeline

one_to_all_pipeline(
    *,
    df: DataFrame,
    target_col: str,
    event_datetime: str,
    id_col: str | None = None,
    cat_features: Collection[str] | None = None,
    baseline_features: DataFrame | None = None,
    max_filter_conditions: int = 1,
    max_categorical_concat_columns: int = 2,
    min_category_fraction: float = 0.01,
    selection: SelectionConfig | None = None,
    sampling_key_col: str | None = None,
    max_sampling_groups: int | None = None,
    formulas: FormulaSet
    | Sequence[OneToAllFormulaClass] = "basic",
    generate_report: bool = True,
    open_browser: bool = True,
    verbose: Literal[
        "off", "warning", "info", "debug"
    ] = "info",
) -> pd.DataFrame

Генерирует и отбирает признаки для каждого события, используя события, произошедшие до него.

Параметры

Параметр	Описание
`df`	Исходная таблица событий. Тип: `pd.DataFrame`По умолчанию: Обязательный
`target_col`	Колонка с бинарным таргетом. Тип: `str`По умолчанию: Обязательный
`event_datetime`	Datetime-колонка, задающая временной порядок событий. Тип: `str`По умолчанию: Обязательный
`id_col`	Колонка с идентификатором события. Тип: `str \| None`По умолчанию: `None`
`cat_features`	Колонки, которые нужно обрабатывать как категориальные. Если параметр не задан, категориальные колонки определяются по типам данных. Тип: `Collection[str] \| None`По умолчанию: `None`
`baseline_features`	Существующие числовые признаки. Учитываются при корреляционном отборе, чтобы новые признаки не дублировали их. Тип: `pd.DataFrame \| None`По умолчанию: `None`
`max_filter_conditions`	Максимальное число условий фильтрации в одной формуле. Тип: `int`По умолчанию: `1`
`max_categorical_concat_columns`	Максимальное число категориальных колонок, объединяемых в одну комбинацию. Тип: `int`По умолчанию: `2`
`min_category_fraction`	Минимальная доля категории, необходимая для участия в генерации признаков. Тип: `float`По умолчанию: `0.01`
`selection`	Декларативная политика отбора. `None` включает `SelectionConfig.auc_with_mi_fallback()`; прежний отбор доступен через `SelectionConfig.auc()`. Подробнее: `SelectionConfig`. Тип: `SelectionConfig \| None`По умолчанию: `None`
`sampling_key_col`	Ключ бизнес-объекта для формирования подвыборки целыми группами строк. Тип: `str \| None`По умолчанию: `None`
`max_sampling_groups`	Максимальное число полных sampling-групп для отбора признаков. Тип: `int \| None`По умолчанию: `None`
`formulas`	Формулы для генерации: быстрый набор `"basic"`, дополнительный `"advanced"`, объединяющий их `"all"` или явная последовательность классов формул. Расширение набора может повысить качество ценой времени расчёта. Тип: `FormulaSet \| Sequence[OneToAllFormulaClass]`По умолчанию: `"basic"`
`generate_report`	Формировать HTML-отчёт и воспроизводимый Python-код. Если `False`, отчёт не создаётся, а `open_browser` игнорируется. Тип: `bool`По умолчанию: `True`
`open_browser`	Открывать сформированный HTML-отчёт в браузере. Тип: `bool`По умолчанию: `True`
`verbose`	Уровень журналирования: `"off"`, `"warning"`, `"info"` или `"debug"`. Тип: `Literal['off', 'warning', 'info', 'debug']`По умолчанию: `"info"`

Список формул

Формула	Набор	Для каких колонок	Что считает
`CountWindow`	basic	идентификаторы событий	Количество предыдущих событий с тем же идентификатором в окне 90 дней.
`NuniqueWindow`	basic	пары `identifier` + `value`	Количество уникальных значений `value` среди предыдущих событий с тем же `identifier` в окне 90 дней.
`DaysSinceLast`	advanced	идентификаторы событий	Число дней с предыдущего события с тем же идентификатором.

formulas="all" объединяет basic и advanced. Для точного контроля можно передать классы напрямую: formulas=(CountWindow, DaysSinceLast).