我对机器学习和应用建模还比较新手。目前我正在进行一个预测项目，并收集各种数据作为我的特征。我经常听说仅仅选择独立的特征是不够的，你还需要基于现有特征提取新的特征。

假设一家公司发送了一封新年通讯，我有一个包含日期和邮件两列的tibble，其中邮件列中的1表示发送了通讯，0表示未发送通讯

library(tidyverse)tibble <- tibble(date=as_date(1:31, origin="2019-12-31"),                 mail=factor(c(1, rep(0,30))))

# A tibble: 31 x 2   date       mail    <date>     <fct> 1 2020-01-01 1     2 2020-01-02 0     3 2020-01-03 0     4 2020-01-04 0     5 2020-01-05 0     6 2020-01-06 0     7 2020-01-07 0     8 2020-01-08 0     9 2020-01-09 0    10 2020-01-10 0    # ... with 21 more rows

基于邮件特征，我想构建一个新的特征来表示一种延迟的邮件效应，因为客户不会立即查看邮件，也不会立即访问商店或因此购买商品。因此，这种效应可能会持续4到5天。

我可以简单地在接下来的4个日期上加1。但我认为这不是最佳做法。所以我的问题是，如何以最佳方式建模这种效应。

欢迎任何建议

回答：

如果我理解正确的话，你想要一个列（特征）来表示在过去4天内的任何时间是否发送了通讯？lag函数可以帮到你：

tibble %>%  mutate(mail_lagged =            as.numeric(             mail == 1 |             lag(mail, 1) == 1 |             lag(mail, 2) == 1 |             lag(mail, 3) == 1 |             lag(mail, 4) == 1))# A tibble: 31 x 3   date       mail  mail_lagged   <date>     <fct>       <dbl> 1 2020-01-01 1               1 2 2020-01-02 0               1 3 2020-01-03 0               1 4 2020-01-04 0               1 5 2020-01-05 0               1 6 2020-01-06 0               0 7 2020-01-07 0               0 8 2020-01-08 0               0 9 2020-01-09 0               010 2020-01-10 0               0# … with 21 more rows