本文中,我们对Auto ML做了一个简单的介绍,着重研究了自动特征工程方面相关的算法,而对于关系型数据库的场景,缺少能够减少人工干预,直接将多个表格的数据和信息汇总到一张表上,输入机器学习模型的算法。本文从实际场景中常用的特征组合的例子出发,对现有的自动特征生成方法(深度特征合成算法)的局限性做了深入的研究和总结,认为现有的自动特征生成方法有以下不足:无法对类别特征的信息进行有效挖掘,对环形关系图的分解会丢失信息,特征生成过程中带来特征维度爆炸,无法有效挖掘时间窗口相关特征,缺乏对标签的利用,无法生成笛卡尔积特征等等。针对上述的不足,本文对多表场景下表格之间的关系做了分析,用有向关系图来描述表格之间的关系,并提出了一种基于有向关系图的多表拓展算法,从深度特征合成算法的以树结构的深度优先的特征合成路径,转变为以有向图结构的按层级优先的特征合成路径,并在此基础上,根据有向关系图来构建笛卡尔积合成特征。同时,加入了时间相关特征以及类别相关特征的生成方法。为了解决特征维度爆炸的问题,我们加入了启发式的通过集束搜索的方法来进行特征选择的方案。我们的方法在三个kaggle竞赛场景下的结果都有了显著的提升。