✔ Особенности электродвигателя ✔ Статьи компании «Мир Привода»

Электрический двигатель – сложная система, компоненты которой способны перерабатывать электрическую энергию, преобразовывая ее в механическую. Она требуется для активации всевозможных механизмов. Электрический двигатель – ведущий компонент электропривода. В зависимости от режима функционирования электродвигатель может выполнять преобразование энергии в обратном направлении, то есть преобразовывать механическую энергию в электрическую – в этом случае он работает как электрогенератор.

Устройства отличаются по разным параметрами, включая тип механического движения, которое формируют. По этим характеристикам они могут быть вращающимися, линейными и другими. Под понятием электрического двигателя зачастую подразумевается вращающаяся система, которая пользуется сегодня повышенным спросом.

Как работает электродвигатель

В принцип функционирования заложена электромагнитная индукция. Это механизм образования электрополя или тока, что происходит ввиду воздействия колеблющегося магнитного поля. Любое электрическое поле, склонно к изменениям, формирует магнитное – взаимодействие этих двух факторов способствует отталкиванию или притягиванию компонентов статора и ротора.

Из чего состоит агрегат

Электродвигатель вращающегося типа состоит из двух основных частей:

статора и ротора. Первый относится к статичным компонентам, второй – к вращающимся. Также в конструкции предусмотрен якорь. Это обмотка, которая является проводником тока при функционировании мотора. Якорь бывает статичным или активным. Зачастую таким наименованием характеризуются подвижный элемент в различных приборах, вырабатывающих электромагнитное поле.

Какие электродвигатели сегодня наиболее актуальны

Существуют разные вариации электрических двигателей, но наиболее востребованными считаются асинхронные и модели постоянного тока

Асинхронные

Отличаются относительно низкой ценой по сравнению с конкурентами. Обладают простой конструкцией. И эти два фактора делают изделие широко востребованным в разных сферах. Особенность конструкций заключается в таком параметре, как скольжение. Он предполагает разницу между частотой вращения магнитного поля статичного элемента и скорости движения ротора. Напряжение на динамичном компоненте машины индуцируется благодаря переменному магнитному полю обмоток статора. Вращение продуцирует взаимодействие электромагнитов неподвижного элемента и магнитного поля ротора, которое образуется ввиду сформированных в нем вихревых токов. По типам обмоток статора бывают двигатели:

• Однофазные – агрегаты могут работать только при наличии внешнего фазосдвигающего компонента, например, конденсатора или индуктивного прибора. Эти двигатели отличаются незначительной мощностью.
• С двумя фазами – машины, которые оснащаются двумя обмотками со смещенными по отношению друг к другу фазами. Модели часто встречаются в бытовой технике, а также в оборудовании, которое не требует мощного электродвигателя.
• С тремя и более фазами – многофазные электрические машины, оснащенные тремя+ обмотками статора, смещенными на определенный угол.

Обмотка ротора электродвигателей первого вида – это стержни, которые лишены изоляции, и изготовлены из сочетания меди и алюминия. Они замкнуты с двух сторон кольцами. Такие электродвигатели обладают внушительным набором сильных сторон:

• Упрощенная система пуска. Также оборудование допускает подключение к электросети посредством устройств коммутации.
• Допустимы короткие нагрузки среднего уровня.
• Могут входить в конструкцию оборудования, эксплуатация которого требует высокой мощности. Моторы этого вида не включают в состав скользящих контактов, которые могут минимизировать мощность.
• Несложное техническое обслуживание и ремонтные работы. Это обусловлено тем, что специалисту не потребуется много времени на разборку простой конструкции.
• Невысокая стоимость – модели стоят значительно дешевле синхронных аналогов.

Среди недостатков асинхронных машин можно отметить:

• Невысокая предельная мощность.
• Сложно реализовать возможность корректировки количества вращений за определённую единицу времени.
• Требует высоких стартовых токов при прямом запуске.

Электродвигатели постоянного тока

Еще один вариант часто используемых электрических машин, которые активно применяются в электрическом транспорте, промышленных аппаратах, в исполнительных механизмах.

Моторы постоянного тока имеют много преимуществ:

• Доступна корректировка частоты вращения посредством изменения уровня напряжения в обмотке. Крутящий момент двигателя постоянного тока остается на едином уровне.
• Большой коэффициент полезного действия – этот параметр в ДПТ несколько выше, чем у самых продвинутых асинхронных моделей. При средней нагрузке на валу коэффициент полезного действия возрастает примерно на десять или пятнадцать процентов.
• Относительно компактные размеры, что позволяет использовать ДПТ в качестве микроприводов для различных механизмов.
• Простое управление. Для старта, реверса, корректировки скорости нет необходимости в покупке сложного и дорогостоящего оборудования, в наличии множества устройств коммутации.
• Способен преобразовывать механическую энергию в электрическую – работать в качестве генератора. Двигатели такого плана подходят в качестве стабильных источников постоянного электричества.
• Пусковой момент, позволяющий использовать машину в сочетании с кранами, тяговыми механизмами, конструкциями, предназначенными для подъема грузов.

Двигатели постоянного тока оборудуются:

• Постоянными магнитами – модели одеты в компактные корпуса, и зачастую применяются как микроприводы;
• Электромагнитным возбуждением – наиболее популярное решение, которое используется в бытовой технике, всевозможном оборудовании.

Электрические моторы с электромагнитным возбуждением различаются по типу обмотки статора:

• С параллельным возбуждением – якорь и статор в этом случае подключены параллельно по отношению друг к другу. Такие модели не нуждаются в дополнительном источнике питания, а скорость, с которой вращается ротор, не диктуется оказываемой нагрузкой. Подобный вариант уместен для применения в сочетании с оборудованием, которое решает задачи резки металла и в других целях.
• С последовательно подключаемой обмоткой статора. Двигатели этой разновидности обладают высоким пусковым моментом. Они актуальны для транспорта, двигающегося от электричества, в промышленных машинах, где есть нужда в пуске под значительной нагрузкой.
• Смешанное возбуждение. Элемент возбуждения в таких машинах состоит из двух частей. Первая подключена параллельно, вторая – последовательно якорю. Двигатели этой разновидности нужны для функционирования оборудования, требующего высокого пускового момента.

Методы управления электрическими двигателями на практике

Управление электрическими машинами предполагает возможность коррекции таких характеристик, как скорость и мощность. К примеру, если на асинхронную машину подать напряжение определенного параметра, она будет продуцировать вращения с номинальной мощность – выйти за эти пределы оборудование не способно. При необходимости снизить или увеличить скорость вращения применяются преобразователи частот. Они призваны сформировать требуемый ритм разгона и остановки, что позволяет быстро и беспроблемно корректировать частоту функционирования агрегата.

Чтобы создать нужный разгон и торможение без вмешательства в частоту к работе привлекают устройства плавного пуска. При необходимости в управлении исключительно сценарием старта агрегата внедряют систему «звезда-треугольник». Для активации мотора без устройства плавного пуска актуальны специальные контакторы – с их помощью пуском, тормозом и другими параметры управляют на расстоянии, то есть дистанционно.

Прозвон и сопротивление

Асинхронное оборудование зачастую оснащено 3 обмотками. Каждая из них имеет 2 вывода – их помечают в клеммной коробке. Если выводы доступны, их можно прозвонить с целью получения параметра сопротивления и его сравнения с величинами, снятыми с остальных обмоток. Если величины сопротивления отличаются на один процент и менее, то с высокой вероятностью проблем в работе не имеется.

Для вычисления сопротивления обмоток применяется такой прибор, как омметр. Также следует знать, чем выше мощность агрегата, тем меньше показатель сопротивления обмоток.

Вычисление мощности электрического двигателя

Самый простой метод, который может помочь в определении номинальной мощности двигателя – шильдик. На детали прописана механическая мощность – ее значение зачастую ниже той, которая потребляется, что обусловлено потерями на нагреве и трении. Но если шильдик на системе отсутствует, можно использовать визуальный инструмент – оценка по размерам оборудования. Если мотор оснащен валом большого диаметра, его мощность будет достаточно высокой и наоборот.

Также параметр мощности вычисляется по нагрузке и настройкам, выставленным на защитных приборах, которые подают питание на агрегат. Еще один вариант – старт двигателя на номинальной мощности, что даст валу нагрузку. После этого следует измерить ток специальными клещами. Показатель должен быть идентичен по всем обмоткам. Для определения примерной мощности асинхронной машины, которая подключена по алгоритму «звезда», номинальный ток делят на двое.

Увеличение и уменьшение оборотов

Такая функция, как корректировка скорости вращения требуется в следующих режимах функционирования:

• старт;
• остановка;
• работа.

Для этого лучше всего прибегнуть к специальному прибору – частотному преобразователю. Корректировка настроек позволяет достичь различной частоты вращения – она зависит от технических параметров электродвигателя. При этом доступно управление другими настройками оборудования, анализ его состояния во время активности. Можно изменять показатель частоты в плавном и ступенчатом режиме.

Управление оборотами на старте и при установке выполняется посредством устройства плавного пуска. Этот прибор уменьшает пусковой ток благодаря медленному разгону и постепенному повышению оборотов.

Особенности вычисления тока и мощности прибора

Если ток асинхронного устройства известен (узнать можно по шильдику или с помощью изменений в номинальном режиме), но при этом мощность остается неизвестной. В этом случае следует прибегнуть к формуле: Р = I (1,73·U·cosφ·η):

• P – полезная мощность в номинальном состоянии в Ваттах (этот параметр производители зачастую указывают на шильдике).
• I – показатель тока агрегата.
• U – напряжение питания обмоток.
• Cosφ – коэффициент мощности.
• η – КПД.

Если мощность известна, и требуется узнать ток, используют формулу: I = P/(1,73·U·cosφ·η).

Для оборудования с мощность более 1.5 кВт, с подключением типа «звезда» используют правило – для примерного расчёта показателя тока его мощность умножают на два.

Настройка мощности: увеличение

Мощность, которую производитель дублирует на шильдике мотора, зачастую ограничена допустимым током, то есть – нагревом корпуса. При повышении показателя требуется предпринять ряд действий, которые направлены на нормализацию температуры корпуса привода двигателя. Например, выполнив установку самостоятельного вентилятора.

При применении преобразователя частоты для увеличения мощности частоту можно изменить посредством ШИМ, но при этом не стоит допускать чрезмерного нагревания преобразователя частоты. Параметр также можно изменить с помощью редуктора или ременной передачи, однако число оборотов при этом уменьшится.

Если вышеперечисленные рекомендации не позволяют справиться с поставленной задачей, остается единственный выход из ситуации – заменить маломощный движок на более производительный.

Потеря мощности при подключении 3-фазного двигателя к 1-фазной сети

Такой формат подключения предполагает использование пускового и рабочего конденсатора для сдвига фазы. Номинальная мощность на валу в этом случает останется неизвестной, а потеря составит около тридцати процентов от номинала. Это обусловлено отсутствием возможности сформировывать перекос по фазам при колебании нагрузок.

Исполнения двигателей

Электрические двигатели отличаются методом установки, степенью защиты, по климатическому предназначению. Асинхронные модели устанавливаются одним из двух методов:

• на лапах;
• посредством фланца.

Двигатели, отличающиеся по климатическому исполнению, применяются в разных условиях. Это может быть умеренный климат, преимущественно низкая температура или средняя, жаркое время года. Также двигатели предназначаются для размещения в разных условиях, например, в стенах помещения, на свежем воздухе, под определенной защитой, например, под навесом, который будет защищать оборудование от осадков.

Производители присваивают продукции определенный класс защиты, который чаще всего характеризует степень защищенности от пыли, воды. Зачастую в продаже представлены приводы с сертификацией IP 55.

Для чего двигателю нужен тормоз

В некоторых видах оборудования, например, в лифтах, грузоподъемных устройствах, при торможении мотора нужна фиксация вала в статичном положении. Для этого используется электромагнитный тормоз, включённый в состав агрегата – он прикреплен к тыльной части. Управление этим компонентом выполняется посредством частотного преобразователях или микросхемы.

Как двигатель обозначается на электрических схемах

Электрический двигатель отображается на схемах посредством буквы «M», которая очерчена кругом. Также схемы могут включать порядковый номер продукта, число фаз, разновидность тока, метод подключения обмоток, показатель мощности.

Причины перегрева двигателя

Двигатель – активное оборудование, которое может перегреваться, а причинами этому являются:

• естественный износ подшипников, что создает более активное трение между деталями и провоцирует перегрев;
• высокая нагрузка в области вала;
• некорректное напряжение;
• пропадание фазы;
• короткое замыкание, произошедшее в обмотке;
• отсутствие нормального охлаждения.
•  

Нагрев электродвигателя в негативном ключе отражается на его долговечности и коэффициенте полезного действия. Также высокая температура может со временем спровоцировать износ привода. В этом случае может потребоваться сложный и дорогостоящий ремонт или полная замена агрегата.

Частые неисправности электродвигателей

Отмечают два типа поломок, к которым склонны большинство моделей электрических двигателей. Они могут носить механический и электрический характер.

Электрические неисправности

Предполагают проблемы в обмотке:

• замыкание между витками;
• замыкание обмотки на корпус;
• механическое повреждение обмотки.

Механические неисправности

Предполагают:

• естественный износ в подшипниках, повешенное трение;
• прокручивание ротора на валу;
• износ корпуса мотора;
• поломка, связанная с повреждением крыльчатки обдува

Чтобы не допускать проблемных ситуаций, пользователю следует позаботиться о своевременной замене подшипников. Важно учитывать их износ, срок эксплуатации мотора. Это же относится к другим деталям. Электрические неисправности требуют только профессионального ремонта, ведь неаккуратное действие со стороны пользователя может потребовать замены всего агрегата.

Как применяются электрические двигатели

На сегодня электродвигатели – основные потребители энергии. Около 50% этого ресурса приходится на различные варианты оборудования. Двигатели широко востребованы во многих сферах промышленности и жизни в целом. Они применяются для работы бытовой техники, производственного оборудования, для транспорта, спецтехники.

Основные направления, в которых используется это оборудование:

• металлообрабатывающие и шлифовальные предприятия;
• деревообрабатывающие заводы, конвейерное производство;
• для изготовления компрессионного, климатического оборудования;
• в строительной сфере – моторы включены в конструкции спецтехники и оборудования для подъёма, опускания строительного оборудования;
• в системах лифтов, в отопительном оборудовании, в системах вентиляции;
• в бытовых устройствах, начиная холодильником, заканчивая уборочной техникой;
• для персональных компьютеров, ноутбуков.

Преимущества электрических двигателей

Это оборудование имеет множество сильных сторон, которые обеспечивают его востребованность:

• относительно простые конструкции;
• простая установка и эксплуатация;
• пригодность к ремонту – благодаря высококачественным компонентам, которые используют производители, современные двигатели способны стабильно работать годами;
• в продаже доступен солидный выбор устройств, отличающихся мощностью и другими техническими характеристиками. Благодаря этому найти вариант под определенное оборудование не составит труда;
• доступность опции регулировки скорости вращения вала мотора;
• высокая скорость функционирования, готовность к запуску и остановке;
• автоматическое управление оборудованием, доступное в большинстве случаев;
• функция реверса;
• для установки и технического обслуживания со стороны пользователя не потребуется крупных финансовых вложений;
• длительный эксплуатационный период;
• высокий коэффициент полезного действия;
• оборудование изготавливается из экологически безопасных материалов и компонентов. Работа двигателя не предполагает негативное влияние на здоровье пользователей и состояние природы.

Но к главному достоинству электрического привода можно отнести возможность его контроля и регулировки, при этом местоположение оборудования не имеет принципиального значения – можно включать и отключать устройство на расстоянии. Эклектический мотор не продуцирует неприятного шума, не способен нанести вреда здоровью человека в отличие от механических аналогов.

Особенности эксплуатации и обслуживания турбированных двигателей

Общество

14 июля 2022 года, 15:18

Автомобиль с турбированным двигателем в общественном сознании представляется чем-то более мощным и (или) быстрым, и это не далеко от истины. Более высокие динамические показатели дает турбокомпрессор, который можно легко отремонтировать, воспользовавшись предложениями по ссылке https://nnovgorod.kitzapchasti.ru/catalog/turbokompressory/. Однако тем, кто хочет продлить срок службы этого агрегата и реализовать весь его потенциал, стоит ознакомиться с информацией, которую мы приводим ниже.

Что нужно знать владельцам турбированных авто?

Турбокомпрессор значительно усложняет двигатель, а значит, делает его менее надежным, более зависимым от правильного обслуживания и режима эксплуатации. Чтобы не разочароваться, особенно тем, кто пересел с «обычного» (атмосферного) мотора на турбодвигатель, нужно знать и соблюдать следующие правила:

• Нельзя подолгу газовать при запуске двигателя — достаточно нескольких секунд, чтобы создать в моторе необходимое давление;
• При запуске на морозе нужно дать время на прогрев масла, чтобы его вязкость пришла к требуемой норме;
• После длительной поездки, перед тем, как глушить мотор, нужно дать ему поработать вхолостую, чтобы он продолжать подавать масло в турбокомпрессор для равномерного охлаждения последнего. В некоторых машинах для этого предусмотрен турбо таймер, оттягивающий остановку двигателя на время, необходимое для остывания турбины;
• Следует придерживаться характерной манеры езды, т.к. турбина повышает динамические характеристики двигателя, но не его долговечность. Рекомендованные обороты для постоянной езды — средние, высокие необходимы, но только 1—2 раза в неделю на короткое время, чтобы очистить систему наддува компрессора;
• Длительная работа двигателя на холостых оборотах противопоказана, т. к. ведет к засорению и закоксовке.

Вообще, манера езды, которую используют гонщики, не является образцом обращения с турбодвигателем. Нужно учитывать, что после спортивных заездов машина проходит обслуживание, на которое требуется масса денег, поэтому копировать спортивный стиль вождения автолюбителям нельзя.

Особенности обслуживания турбированных двигателей

Каждый автопроизводитель настаивает на использовании конкретных марок масла, но если его рекомендацию нарушает владелец авто с атмосферным двигателем, то это не критично. А вот турбомоторы очень чувствительны к качеству масла, поэтому попытка их «обмануть» быстро заканчивается серьезной поломкой. То же самое относится к фильтрам и топливу.

Менять воздушный фильтр надлежит через каждые 10 тыс. км. пробега — в хороших условиях эксплуатации. При значительном запылении — чаще. С учетом того, что турбокомпрессор засасывает мусор, пыль, и даже более крупные предметы, способные пробить воздушный фильтр, ревизия последнего должна быть регулярной. Иначе прошедшие через фильтр камешки будут засосаны турбиной и станут причиной ее поломки.

Существуют также особенности ремонта и проверки турбированного двигателя, но о них знать достаточно автомастеру, а не водителю.

Опубликовано на правах рекламы.

Возрастное ограничение 18+

Feature-engine — 1.6.1

Библиотека Python для разработки и выбора функций

Feature-engine рулит!

Feature-engine — это библиотека Python с несколькими преобразователями для проектирования и выбора функции для использования в моделях машинного обучения. Feature-engine сохраняет Scikit-learn функциональность с методами fit() и transform() для изучения параметров, а затем преобразовать данные.

Специальный двигатель включает трансформаторы для:

• Вменение отсутствующих данных

• Категориальное кодирование

• Дискретность

• Закрытие или удаление выбросов

• Переменная трансформация

• Создание переменной

• Выбор переменной

• Функции даты и времени

• Временной ряд

• Предварительная обработка

Feature-engine позволяет вам выбирать переменные, которые вы хотите преобразовать в пределах каждый трансформатор. Таким образом, различные инженерные процедуры могут быть легко применены к различные подмножества признаков.

Преобразователи Feature-Engine могут быть собраны в рамках конвейера Scikit-learn, что позволяет сохранить и развернуть один единственный объект (.pkl) с весь конвейер машинного обучения. Проверьте **Быстрый старт** для пример.

В чем уникальность Feature-engine?

Следующие характеристики делают Feature-engine уникальным:

• Feature-engine содержит наиболее исчерпывающую коллекцию преобразований для проектирования функций.

• Feature-engine может преобразовывать определенную группу переменных в кадре данных.

• Feature-engine возвращает кадры данных, поэтому подходит для исследования данных и развертывания модели.

• Feature-engine совместим с конвейером Scikit-learn, грид- и случайным поиском и перекрестной проверкой.

• Feature-engine автоматически распознает числовые, категориальные переменные и переменные даты и времени.

• Feature-engine предупреждает вас, если преобразование невозможно, например, если применяется логарифмирование к отрицательным переменным или деление на 0.

Если вы хотите узнать больше о том, что делает Feature-engine уникальным, проверьте это статья.

Установка

Feature-engine — это пакет Python 3, который хорошо работает с 3.7 или более поздними версиями. Более ранние версии несовместимы с последними версиями библиотек численных вычислений Python.

Самый простой способ установить Feature-engine из PyPI с pip:

 $ pip install feature-engine
 

Обратите внимание, вы также можете установить его с помощью _ следующим образом:

 $ pip install feature_engine
 

Feature-engine является активным проектом и регулярно публикует новые выпуски. Обновить Feature-engine до последней версии, используйте pip следующим образом:

 $ pip install -U feature-engine
 

Если вы используете Anaconda, вы можете установить Пакет Anaconda Feature-engine:

 $ conda install -c conda-forge feature_engine
 

Возможности Feature Engine в следующих ресурсах

• Feature Engineering for Machine Learning, онлайн-курс.

• Выбор функций для машинного обучения, онлайн-курс.

• Разработка признаков для прогнозирования временных рядов, онлайн-курс.

• Поваренная книга по разработке функций Python, книга.

• Выбор функций в машинном обучении с помощью Python, книга.

Дополнительные учебные ресурсы в разделе **Учебные ресурсы**.

Преобразователи Feature-engine

Feature-engine содержит следующие группы преобразователей:

Вменение отсутствующих данных: импутеры

• MeanMedianImputer: заменяет отсутствующие данные в числовых переменных средним или медианным значением

  9 0020

• ArbitraryNumberImputer: заменяет отсутствующие данные в числовых переменных произвольным числом

• EndTailImputer: заменяет отсутствующие данные в числовых переменных числами на концах распределения

• CategoricalImputer: заменяет отсутствующие данные произвольной строкой или наиболее часто встречающейся категорией

• RandomSampleImputer: заменяет отсутствующие данные наблюдениями случайной выборки из переменной

• AddMissingIndicator: добавляет двоичный индикатор отсутствия для отметки наблюдений с отсутствующими данными

• DropMissingData: удаляет наблюдения (строки), содержащие пропущенные значения, из фрейма данных

Категориальные кодировщики: Кодировщики

• OneHotEncoder: выполняет одно горячее кодирование, опционально: популярных категорий

• CountFrequencyEncoder: заменяет категории количеством наблюдений или процентом

• OrdinalEncoder: заменяет категории по номерам произвольно или по целевому

• MeanEncoder: заменяет категории целевым средним значением

• WoEEncoder: заменяет категории по весу улик

• DecisionTreeEncoder: заменяет категории предсказаниями дерева решений

• RareLabelEncoder: группирует нечастые категории

• StringSimilarityEncoder: кодирует категории на основе схожести строк

Дискретизация переменной: Дискретизаторы

• Дискретизатор произвольной формы: сортирует переменную по интервалам, заданным пользователем

• EqualFrequencyDiscretiser: сортирует переменную по равным частотным интервалам

• EqualWidthDiscretiser: сортирует переменную по интервалам одинаковой ширины

• DecisionTreeDiscretiser: использует деревья решений для создания конечных переменных

• GeometricWidthDiscretiser: сортирует переменную по геометрическим интервалам

Ограничение или удаление выбросов

• ArbitraryOutlierCapper: ограничивает максимальные и минимальные значения при заданных пользователем значениях

• Winsorizer: ограничивает максимальные или минимальные значения с помощью статистических параметров

• OutlierTrimmer: удаляет выбросы из набора данных

Числовое преобразование: преобразователи

• LogTransformer: выполняет логарифмическое преобразование числовых переменных

• LogCpTransformer: выполняет логарифмическое преобразование после добавления постоянного значения

• ReciprocalTransformer: выполняет обратное преобразование числовых переменных

• PowerTransformer: выполняет степенное преобразование числовых переменных

• BoxCoxTransformer: выполняет преобразование Бокса-Кокса числовых переменных

• YeoJohnsonTransformer: выполняет преобразование Йео-Джонсона числовых переменных

• ArcsinTransformer: выполняет преобразование угловых синусов числовых переменных

Создание признаков:

• MathFeatures: создает новые переменные путем объединения признаков с математическими операциями

• RelativeFeatures: объединяет переменные со ссылочными функциями

• CyclicalFeatures: создает переменные с использованием синуса и косинуса, подходит для циклических функций

Datetime:

Выбор функции:

• DropFeatures: удаляет произвольное подмножество переменных из кадра данных

• DropConstantFeatures: удаляет постоянные и квазипостоянные переменные из кадра данных

• DropDuplicateFeatures: удаляет повторяющиеся переменные из кадра данных

• DropCorrelatedFeatures: удаляет коррелированные переменные из кадра данных

• SmartCorrelatedSelection: выбирает лучшие функции из коррелированных групп

• DropHighPSIFeatures: выбирает функции на основе индекса стабильности населения (PSI)

• SelectByInformationValue: выбирает объекты на основе их информационного значения

• SelectByShuffling: выбирает функции, оценивая производительность модели после перетасовки функций

• SelectBySingleFeaturePerformance: выбирает функции на основе их эффективности при одномерных оценках

• SelectByTargetMeanPerformance: выбирает функции на основе целевой средней производительности кодирования

• RecursiveFeatureElimination: рекурсивно выбирает функции, оценивая производительность модели

• RecursiveFeatureAddition: рекурсивно выбирает функции, оценивая производительность модели

• ProbeFeatureSelection: выбирает функции, важность которых выше, чем у случайных величин

Прогнозирование:

• LagFeatures: извлечение признаков задержки

• WindowFeatures: создание элементов окна

• ExpandingWindowFeatures: создание элементов расширяющегося окна

Предварительная обработка:

Оболочка Scikit-learn:

Получение справки

Не можете заставить что-то работать? Вот места, где вы можете найти помощь.

1. **Руководство пользователя** в документации.

2. Переполнение стека. Если вы задаете вопрос, пожалуйста, укажите в нем «feature_engine».

3. Если вы зачислены на курс Feature Engineering for Machine Learning, опубликуйте вопрос в соответствующем разделе.

4. Если вы зачислены на курс Feature Selection for Machine Learning, опубликуйте вопрос в соответствующем разделе.

5. Присоединяйтесь к нашему сообществу Gitter. Вы также задаете вопросы здесь.

6. Задайте вопрос в репозитории, заполнив задачу (проверьте заранее, не создана ли уже похожая проблема 🙂 ).

Содействие

Заинтересованы в содействии Feature-engine? Это отличная новость!

Feature-engine — это гостеприимный и инклюзивный проект, и мы будем рады видеть вас на борту. Мы следуем Кодекс поведения Python Software Foundation.

Независимо от уровня ваших навыков вы можете нам помочь. Мы ценим сообщения об ошибках, пользовательское тестирование, запросы функций, исправления ошибок, добавление тестов, усовершенствований продукта и документации улучшения. Мы также ценим блоги о Feature-engine. Если он у вас есть, дайте нам знать!

Для получения более подробной информации о том, как внести свой вклад, посетите страницу вклада. Нажать на **Внести** руководство.

Открытый исходный код

Лицензия на функциональный движок является открытым исходным кодом BSD 3-Clause.

Feature-engine размещен на GitHub. Проблемы и запросы на вытягивание отслеживаются там.

Содержание

• Краткое руководство
  • Установка
  • Пример использования
  • Feature-engine с конвейером Scikit-learn
• Руководство пользователя
  • Трансформация
  • Создание
  • Выбор
  • Временной ряд
  • Другое
  • Инструменты
• API
  • Трансформация
  • Создание
  • Выбор
  • Временной ряд
  • Другое
  • Наборы данных
  • Инструменты
• Ресурсы
  • Курсы
  • Книги
  • Блоги, видео и многое другое
  • Учебники
• Пожертвовать
  • Способы пожертвовать
  • Как связаться
  • Руководство для участников
• Около
  • Около
  • Управление
  • Дорожная карта
• Что нового
  • Версия 1. 6.X
  • Версия 1.5.X
  • Версия 1.4.X
  • Версия 1.3.X
  • Версия 1.2.X
  • Версия 1.1.X
  • Версия 0.6.X
• Другие версии
• Поддержите нас
• Спонсоры

Быстрый старт — 1.6.1

Если вы новичок в Feature-engine, это руководство поможет вам начать работу. Feature-движок трансформаторы имеют методы fit() и transform() для получения параметров из данные, а затем изменить данные. Они работают так же, как любой преобразователь Scikit-learn.

Установка

Feature-engine — это пакет Python 3, который хорошо работает с 3.7 или более поздними версиями. Более ранние версии несовместимы с последними версиями библиотек численных вычислений Python.

 $ pip install feature-engine
 

Обратите внимание, вы также можете установить его с помощью _ следующим образом:

 $ pip install feature_engine
 

Обратите внимание, что Feature-engine является активным проектом и регулярно публикует новые выпуски. В Чтобы обновить Feature-engine до последней версии, используйте pip следующим образом.

 $ pip install -U функция-движок
 

Если вы используете Anaconda, вы можете установить Пакет Anaconda Feature-engine:

 $ conda install -c conda-forge feature_engine
 

После установки вы сможете импортировать Feature-engine без ошибок, как в Python и в блокнотах Jupyter.

Пример использования

Это пример использования преобразователей Feature-engine для обработки отсутствующих данных. вменение.

 импортировать numpy как np
импортировать панд как pd
импортировать matplotlib.pyplot как plt
из sklearn.model_selection импорта train_test_split
из feature_engine.imputation импортировать MeanMedianImputer
# Загрузить набор данных
данные = pd.read_csv('цена дома.csv')
# Разделить на обучающие и тестовые наборы
X_train, X_test, y_train, y_test = train_test_split(
    data.drop(['Id', 'SalePrice'], ось = 1),
    данные ['Цена продажи'],
    test_size=0. 3,
    случайное_состояние = 0
)
# настроить импутер
median_imputer = Среднее значение среднего значения (
    imputation_method='медиана', variable=['LotFrontage', 'MasVnrArea']
    )
# подходит импутер
median_imputer.fit(X_train)
# преобразовать данные
train_t = median_imputer.transform(X_train)
test_t = median_imputer.transform(X_test)
рис = plt.figure()
топор = fig.add_subplot(111)
X_train['LotFrontage'].plot(kind='kde', топор=топор)
train_t['LotFrontage'].plot(kind='kde', ax=ax, color='red')
линии, метки = ax.get_legend_handles_labels()
ax.legend (линии, метки, loc = 'лучший')
 

Feature-engine с конвейером Scikit-learn

Преобразователи Feature-engine могут быть собраны в конвейере Scikit-learn. Этот Таким образом, мы можем хранить весь наш пайплайн разработки функций в одном объекте или рассол (.пкл). Вот пример того, как это сделать:

 из math import sqrt
импортировать панд как pd
импортировать numpy как np
импортировать matplotlib.pyplot как plt
из sklearn. linear_model импортировать лассо
из sklearn.metrics импорта mean_squared_error
из sklearn.model_selection импорта train_test_split
из sklearn.pipeline импортировать конвейер как канал
из sklearn.preprocessing импортировать MinMaxScaler
из feature_engine.encoding импортировать RareLabelEncoder, MeanEncoder
из feature_engine.discretisation импортировать DecisionTreeDiscretiser
из импорта feature_engine.imputation (
 ДобавитьОтсутствующийИндикатор,
 MeanMedianImputer,
 КатегориальныйImputer,
)
# загрузить набор данных
данные = pd.read_csv('цена дома.csv')
# удалить некоторые переменные
data.drop(
 labels=['YearBuilt', 'YearRemodAdd', 'GarageYrBlt', 'Id'],
 ось=1,
 на месте = Истина
)
# составить список категориальных переменных
categorical = [var для var в data.columns, если data[var].dtype == 'O']
# составить список числовых переменных
числовой = [var для var в data.columns if data[var].dtype != 'O']
# составить список дискретных переменных
дискретный = [ var вместо var в числовом выражении, если len(data[var]. unique()) < 20]
# категориальные кодировщики работают только с переменными типа объекта
# чтобы рассматривать числовые переменные как категориальные, нам нужно преобразовать их
данные [дискретные] = данные [дискретные]. astype ('O')
# непрерывные переменные
числовой = [
 var вместо var в числовом формате, если var не в дискретном формате
 и var не в ['Id', 'SalePrice']
 ]
# разделить на обучающие и тестовые наборы
X_train, X_test, y_train, y_test = train_test_split(
 data.drop (метки = ['SalePrice'], ось = 1),
 данные.SalePrice,
 test_size=0.1,
 случайное_состояние = 0
 )
# настроить конвейер
цена_труба = труба([
 # добавить двоичную переменную, чтобы указать недостающую информацию для 2 переменных ниже
 ('continuous_var_imputer', AddMissingIndicator (переменные = ['LotFrontage'])),
 # замените NA на медиану в 2-х переменных ниже, они числовые
 ('continuous_var_median_imputer', MeanMedianImputer(
 imputation_method='медиана', variable=['LotFrontage', 'MasVnrArea']
 ))
 # заменить NA, добавив метку «Отсутствует» в категориальные переменные
 ('categorical_imputer', CategoricalImputer (переменные = категориальный)),
 # дискретизировать непрерывные переменные с помощью деревьев
 ('numerical_tree_discretiser', DecisionTreeDiscretiser(
 резюме = 3,
 оценка = 'neg_mean_squared_error',
 переменные = числовые,
 регрессия = Истина)),
 # удалить редкие метки в категориальных и дискретных переменных
 ('rare_label_encoder', RareLabelEncoder(
 tol=0,03, n_categories=1, переменные=категориальные+дискретные
 ))
 # кодировать категориальные и дискретные переменные, используя целевое среднее
 ('categorical_encoder', MeanEncoder (переменные = категориальный + дискретный)),
 # характеристики масштаба
 ("масштабатор", MinMaxScaler()),
 # лассо
 ('лассо', лассо(random_state=2909, альфа=0,005))
])
# тренируем особенности инженерных трансформеров и лассо
price_pipe.