生成特征_使用gplearn自定义特征自动生成模块

背景：数据科学领域中，数据一直都是主要驱动力，特征工程作为其中重要一环，成为无论是kaggle类的数据竞赛，还是工业界应用中关注的重点。特征工程中有重要的一个环节叫做特征融合，好的特征融合能帮助构造当前模型不能学习到的知识，通常产生新的特征会很依赖于专家知识，当在缺乏专家知识的情况下，我们就需要一款工具帮我们自动生成特征。因此gplearn就主要产生了。

简介：待补充

gplearn特征生成使用案例：以官方给出的boston房屋数据为例

• 安装

pip install gplearn #python3.7版本
pip install gplearn==0.3.0 #python2.7版本，当前0.4版本的gplearn不再支持python2.7

• 引入库

from sklearn.datasets import load_boston
from gplearn.genetic import SymbolicTransformer›
import pandas as pd
import numpy as np
import gplearn as gp

• 数据导入

def data_prepare():
    boston = load_boston()
    boston_feature = pd.DataFrame(boston.data, columns=boston.featur