Ingeniería de Características (Feature Engineering)
Transformar datos crudos en las variables que realmente ayudan a un modelo a predecir mejor.
ÁreaPreparación y Limpieza de Datos
DificultadIntermedio
Tiempo de aprendizaje4-6 semanas
¿Qué puedes lograr dominando este tema?
- Crear variables derivadas que capturan patrones que el modelo no vería en los datos crudos
- Codificar variables categóricas de forma que preserve información útil
- Mejorar la precisión de un modelo más con mejores features que con un algoritmo más complejo
Descripción
La ingeniería de características es el arte de transformar datos crudos en variables (features) que un modelo puede aprovechar mejor: crear ratios, extraer componentes de fechas, codificar categorías, o combinar variables existentes. En la práctica, suele tener más impacto en el desempeño de un modelo que el algoritmo elegido.
Casos de uso
- Creación de variables de negocio (ratios, tendencias, antigüedad)
- Codificación de variables categóricas de alta cardinalidad
- Extracción de features temporales (día de la semana, estacionalidad)
- Combinación de variables para capturar interacciones no lineales
Ejemplo práctico
import pandas as pd
df["antiguedad_dias"] = (pd.Timestamp.now() - df["fecha_registro"]).dt.days
df["ratio_gasto_ingreso"] = df["gasto_mensual"] / df["ingreso_mensual"]
df["mes"] = df["fecha_registro"].dt.monthVentajas y limitaciones
Ventajas
- A menudo tiene más impacto en el desempeño que cambiar de algoritmo
- Permite inyectar conocimiento de negocio directamente en el modelo
- Aplica por igual a modelos clásicos y a la mayoría de pipelines de ML
Limitaciones
- Requiere conocimiento profundo del dominio para ser efectiva
- El exceso de features puede introducir ruido y sobreajuste
Herramientas relacionadas
Librerías y plataformas más comunes para practicar este tema.
- Pandas
- Feature-engine
- scikit-learn
Temas relacionados
Reducción de Dimensionalidad
Ml No SupervisadoComprimir datos con muchas variables en menos dimensiones, preservando la mayor información posible.
Aprendizaje Auto-supervisado y Semi-supervisado
Aprendizaje AvanzadoAprovechar datos sin etiquetar (o con pocas etiquetas) para entrenar modelos de todas formas.