La selección de las características y la ingeniería son pasos esenciales para el aprendizaje supervisado. Ayudan a mejorar el rendimiento de los modelos, reducir el exceso de equipamiento y disminuir el tiempo de entrenamiento.

Técnicas de selección de objetos

La selección de funciones implica elegir las características más relevantes del conjunto de datos. Las técnicas comunes incluyen métodos de filtro, métodos de envoltura y métodos integrados.

Métodos de filtro

Los métodos de filtración evalúan las características basadas en medidas estadísticas como correlación, chi-cuadra o información mutua. Son eficientes y adecuados para datos de alta dimensión.

Métodos de Wrapper

Los métodos Wrapper seleccionan características mediante modelos de formación en diferentes subconjuntos y evalúan su rendimiento. Las técnicas incluyen la eliminación de características recursivas y la selección de adelante/atraslado.

Métodos incorporados

Los métodos incorporados incorporan la selección de características durante la formación de modelos. Ejemplos incluyen técnicas de regularización como Lasso y medidas de importancia basadas en los árboles de decisión.

Estrategias de ingeniería de características

La ingeniería de la característica transforma los datos brutos en características significativas que mejoran el aprendizaje de modelos. Incluye la creación de nuevas características, la codificación de variables categóricas y la escala de datos numéricos.

Creación de nuevas características

Generar nuevas características puede implicar combinaciones matemáticas, agregaciones o transformaciones específicas de dominio. Estos pueden revelar patrones ocultos en los datos.

Codificación de variables categorísticas

Es crucial convertir datos categóricos en formato numérico. Los métodos comunes incluyen codificación de un solo toque, codificación de etiquetas y codificación de objetivos.

Datos numéricos escaladores

El escalado asegura que las características están en escalas comparables, lo que beneficia a muchos algoritmos. Las técnicas incluyen escalado min-max y estandarización.