Escalar el aprendizaje automático con Spark

Capítulo 5. Ingeniería de características

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

En el aprendizaje automático, la ingeniería de características es el proceso de utilizar el conocimiento del dominio para seleccionar y transformar las variables más relevantes de los datos para alcanzar el objetivo del proceso de aprendizaje automático. El conocimiento del dominio se refiere aquí a la comprensión de los datos y de dónde se originaron. En la ciencia de datos, se trata menos de las herramientas y más de los datos y el problema en sí, abarcando los antecedentes generales en un campo o vertical específico. Por ejemplo, en finanzas podría implicar la familiaridad con los términos financieros y las diversas aplicaciones posibles de los datos, como la calificación de préstamos. Dependiendo de la experiencia del equipo que trabaje en el proyecto, podría ser necesario consultar a un experto financiero para crear una función representativa que resuelva el problema en cuestión. Del mismo modo, en la tecnología sanitaria podrías trabajar con un médico para diseñar las funciones, y podría ser necesario tener conocimientos de anatomía, sistemas biológicos y afecciones médicas.

El objetivo de la ingeniería de características es que las características finales sirvan como aproximaciones a la información que contienen los datos sobre el mundo o el contexto específico en el que tiene lugar el problema. La experiencia del ...