Ingegneria delle caratteristiche

L'ingegneria delle caratteristiche è una procedura di apprendimento automatico e data mining per preparare i dati in una forma adatta agli algoritmi di apprendimento automatico. È anche descritta come vettorizzazione delle caratteristiche, trasformazione dei dati o costruzione delle caratteristiche. Lo scopo dell'ingegneria delle caratteristiche è selezionare le caratteristiche significative dai dati grezzi e quindi manipolarle in una forma adatta all'apprendimento automatico o alla modellazione predittiva.

Il processo di feature engineering prevede la trasformazione dei dati in una rappresentazione numerica, ad esempio quantificando gli attributi qualitativi o standardizzando le caratteristiche numeriche. Vengono comunemente utilizzate diverse tecniche, tra cui la discretizzazione, la normalizzazione, l'aggregazione, la selezione, il raggruppamento e la trasformazione.

La discretizzazione comporta la suddivisione delle caratteristiche continue in valori discreti, tipicamente noti come bins. Questo riduce la probabilità di overfitting e semplifica le relazioni tra le caratteristiche.

La normalizzazione è il processo di scalatura delle caratteristiche in un intervallo appropriato per il particolare algoritmo utilizzato.

L'aggregazione esegue operazioni matematiche come la somma, le medie, i valori minimi o massimi su istanze rilevanti di una caratteristica.

La selezione comporta tipicamente la riduzione dell'elenco di caratteristiche di interesse a un sottoinsieme più piccolo.

Il raggruppamento è una tecnica simile, ma prevede la combinazione di caratteristiche simili e l'applicazione dell'aggregazione.

La trasformazione comporta la creazione di nuove caratteristiche a partire da quelle esistenti, che possono non essere caratteristiche dell'abilità di apprendimento automatico, ma che forniscono una visione significativa dei dati.

L'ingegnerizzazione delle caratteristiche è una parte importante del processo in molte attività di apprendimento automatico, in quanto può portare a una maggiore precisione. Il processo di ingegnerizzazione delle caratteristiche richiede una comprensione degli algoritmi di apprendimento automatico e dei dati, nonché la capacità di selezionare e trasformare le caratteristiche in modo da migliorare le prestazioni. Poiché il successo di un algoritmo di apprendimento automatico si basa spesso in larga misura sul processo di ingegnerizzazione delle caratteristiche, esso è diventato una parte indispensabile in molte attività di apprendimento automatico.