非常有趣的问题（+1）。虽然我不知道目前有任何软件工具可以为特征工程提供全面的功能，但在这方面肯定有很多选择。目前，据我所知，特征工程在很大程度上仍然是一个费力和手动的过程（即，请参阅这篇博文）。谈到特征工程主题领域， Jason Brownlee 撰写的这篇出色的文章对该主题进行了相当全面的概述。

O'Reilly Media Inc. 的首席数据科学家兼数据内容策略总监 Ben Lorica 写了一篇非常好的文章，描述了最先进的方法、方法、工具和初创公司（截至 2014 年 6 月）自动化（或者，正如他所说，精简）特征工程的领域。

我简要浏览了Ben 提到的一些初创公司， Skytree的产品确实看起来令人印象深刻，尤其是在这个问题的主题方面。话虽如此，他们的一些说法对我来说听起来真的很可疑（即，“与开源选项相比，Skytree 将机器学习方法的速度提高了 150 倍”）。继续谈论商业数据科学和机器学习产品，我不得不提到微软的解决方案，特别是他们的Azure 机器学习工作室。这个基于 Web 的产品非常强大和优雅，并提供了一些特征工程功能 (FEF)。有关一些简单 FEF 的示例，请参阅这个不错的视频。

回到这个问题，我认为自动化特征工程最简单的方法是使用相应的IDE。由于您（我也是）对作为数据科学后端的 R 语言感兴趣，因此我建议除了 RStudio 之外，还检查另一个类似的开源 IDE，称为RKWard。RKWard 与 RStudio 的优势之一是它支持为 IDE编写插件，从而使数据科学家能够自动化特征工程并简化他们基于 R 的数据分析。

最后，在特征工程解决方案的另一面，我们可以找到一些研究项目。其中最值得注意的两个似乎是斯坦福大学的哥伦布项目，在相应的研究论文中进行了详细描述，以及洗脑，在本文中进行了描述。

Featuretools是最近发布的用于自动化特征工程的 python 库。它基于一种名为Deep Feature Synthesis的算法，最初于 2015 年在 MIT 开发，并在 Kaggle 上的公共数据科学竞赛中进行了测试。

以下是它如何融入常见的数据科学过程。

该库的目的不仅是帮助专家更快地构建更好的机器学习模型，而且使数据科学过程对试图学习的人来说不那么令人生畏。如果您有事件驱动或关系数据，我强烈建议您检查一下！

免责声明：我是该项目的开发人员之一。

特征工程是机器学习的核心，相当费时费力。在自动化特征工程方面已经进行了各种尝试，希望能将人类从循环中解脱出来。针对分类问题执行此操作的一种具体实现是auto-sklearn。它在后台使用称为SMAC的优化程序来选择适当的一组变换和算法（和算法参数）。

请注意，Trifacta 提供了一个非常易于使用的数据转换工具。它具有高度直观的 GUI，允许设置转换/特征工程图。还有一个免费试用版可用于解决合理规模的问题。

Scikit-learn最近发布了新的转换器，可以处理特征工程的许多方面。例如：

1. SimpleImputer您可以使用( http://scikit-learn.org/stable/modules/generated/sklearn.impute.SimpleImputer.html )执行多种缺失数据插补技术，包括数值和分类变量中的平均值、中值和任意值插补.

2. 您可以使用多个估计器进行多元插补，例如贝叶斯、随机森林和其他（相当于 R 的 MICE、Amelia 和 MissForest）与IterativeImputer（https://scikit-learn.org/stable/modules/generated/sklearn.impute.IterativeImputer .html#sklearn.impute.IterativeImputer )

3. 您可以使用OneHotEncoder()来自 Scikit-learn的分类热编码

4. 您可以使用LabelEncoder.

5. 您可以使用PowerTransformer( http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.PowerTransformer.html )进行 Yeo-Johnson 变量转换

6. 您可以使用KBinsDiscretiser（https://scikit-learn.org/stable/auto_examples/preprocessing/plot_discretization.html）进行离散化

Scikit-learn 中可能还有其他特征工程转换器，开发人员会定期更新库。

作为众所周知的 Scikit-learn 库的替代方案，最近发布了一个名为feature-engine的新开源库。使用功能引擎，您可以：

1. 在数值和分类变量中做均值、中值、任意、尾端和随机插补
2. 做各种类型的分类编码，包括热、整数、序数、均值编码和证据权重。
3. 进行各种变量转换，包括 log、reciprocal、exp 和 box cox
4. 各种类型的离散化，包括等频率、等距离和基于树的
5. 异常值处理。

github repo 和文档中的更多详细信息（https://feature-engine.readthedocs.io/en/latest/）

免责声明：我创建了功能引擎并将其开源。

另一个开源 python 包允许不同类型的分类变量编码：https ://contrib.scikit-learn.org/categorical-encoding/

最后，Feature tools是一个很好的交易数据开源库。