Definíció
A feature engineering a nyers adatok olyan átalakítása, amely a modell számára hasznos reprezentációt ad. A jól megtervezett jellemzők gyakran nagyobb hatással vannak a teljesítményre, mint az algoritmus váltása.
Transzformációk
Gyakori transzformációk: logaritmikus skálázás eloszlás-normalizáláshoz, polinom jellemzők nemlinearitás modellezésére, dátum bontása év/hónap/nap komponensekre, szöveg tokenizálása és vektorizálása.
Skálázás
A numerikus jellemzők skálázása (standardizálás, min-max normalizálás) sok algoritmusnál szükséges. A standardizálás: z = (x - μ) / σ, ahol μ a középérték, σ a szórás.
Jellemzőkiválasztás
Jellemzőkiválasztási módszerek: filter (korreláció, mutual information), wrapper (rekurzív feature elimination), embedded (L1 regularizáció, fa-alapú fontosság).
Elemzési megjegyzések
A feature engineering iteratív folyamat. Az adatvédelmi és etikai szempontok — különösen személyes adatok esetén — a magyar GDPR-környezetben is figyelembe veendők.
