FeatureTools 原理整理

感慨于FeatureTools的强大功能，由于目前FeatureTools文档较少，在此对FeatureTools的原理进行梳理。

首先理解两个重要的概念：实体和实体集

对于机器学习任务的建模过程（包括一些线上比赛或者工业领域的推荐系统等等），通常是将多张表拼凑成一张表，然后进行数据清洗，特征提取等等，而FeatureTools将实体作为对象，而实体就类似于表。实体集就可以理解为一组实体，以及实体之间存在的关系。例如：对于预测用户的点击行为，提供的数据集包括用户的基本信息表，用户的订单行为表，产品信息表等等。

FeatureTools采用Deep Feature Synthesis算法，其主要合成三种新的特征：Entity Feature，Direct Feature，Relational Feature

1. Entity Feature表示基于实体自身衍生出来的新特征（比如用户基本信息表，利用用户的体重和身高衍生出体重指数的特征）
2. Direct Feature和Relational Feature都是基于实体之间的关系衍生出新特征

为了说明如何衍生Direct Feature和Relational Feature，论文中给出了forward和backward的概念（主要用于描述relationship）。

forward：表示实体E1中的实例关于实体E2中的实例存在唯一的对应关系，即多对一的关系和一对一的关系；如一笔订单只属于一个用户或者多笔订单属于一个用户

backward：表示实体E1中的实例与实体E2中的多个实例（论文中给出的是“所有实例”，但其实不好理解“所有实例”的概念）存在对应关系；即一对多的关系；如一个用户对应多笔消费行为

（注：关于forward关系和backward关系的理解，在特征衍生时，往往会基于特征之间的领域关系去进行衍生，而Deep Feature Systhesis算法正是借助这种思想；如用户A在1月份有10笔消费，用户信息和消费信息分别在用户基本信息表和消费信息表中，而要衍生出用户A在1月份的总