Обсуждение:Инженерия признаков

Материал из MachineLearning.

Ты специалист в области машинного обучения, профессор в ведущем техническом университете и популяризатор науки. Напиши энциклопедическую статью для MachineLearning.ru на тему «Инженерия признаков».

Целевая аудитория: мотивированные студенты, преподаватели и специалисты в AI/ML. Статья должна быть полезна новичку: дать понятное определение, объяснить, почему качество признаков важнее алгоритма, показать простые примеры (возраст из даты рождения, логарифм от признака). Профессионалу статья должна дать систематизацию методов работы с признаками и связать воедино разрозненные темы: создание признаков, преобразование, отбор, кодирование категорий, борьбу с пропусками и выбросами.

Обязательные разделы: 1. Введение: определение инженерии признаков как процесса создания и преобразования признаков для улучшения качества модели 2. Почему инженерия признаков важна: связь между качеством признаков и обобщающей способностью, примеры "удачных" и "неудачных" признаков 3. Создание признаков (Feature Generation): извлечение из сырых данных, использование предметных знаний, создание комбинированных признаков (суммы, разности, отношения) 4. Преобразование признаков (Feature Transformation): нормализация и стандартизация (min-max, z-score, robust), степенные и логарифмические преобразования, Box-Cox и Yeo-Johnson, дискретизация 5. Отбор признаков (Feature Selection): фильтрующие методы (корреляция, хи-квадрат, взаимная информация), обёрточные методы (RFE, последовательный отбор), встроенные методы (L1-регуляризация, важность в деревьях) 6. Кодирование категориальных признаков: one-hot encoding, label encoding, target encoding, WOE (Weight of Evidence), embedding-кодирование 7. Обработка пропусков: удаление vs заполнение (среднее, медиана, мода, регрессионное заполнение, KNN-заполнение) 8. Обработка выбросов: обнаружение (IQR, z-score, визуализация), обработка (удаление, капинг, преобразование) 9. Уменьшение размерности: PCA, t-SNE, UMAP — как отдельный случай инженерии признаков 10. Инженерия для разных типов данных: особенности для текстов, изображений, временных рядов, графов 11. Автоматическая инженерия признаков (AutoFE): Deep Feature Synthesis, автоматические методы 12. Практические рекомендации: чек-лист инженера по признакам, принцип "простые признаки — лучшие" 13. См. также: внутренние ссылки на другие страницы (Генерация признаков, Отбор признаков, Нормализация и стандартизация, Понижение размерности, Предобработка данных, Метод главных компонент, Ослабление и усиление шкал признаков) 14. Литература (реальные источники)

Важно: статья должна быть связующим звеном для многих тем. Добавь таблицу сравнения методов отбора признаков и кодирования категорий.

Стиль академичный, ясный, без рекламных фраз и нейросетевых штампов. Формулы оформляй только через , выключные формулы через :: . Термины оформляй как внутренние ссылки. В начале статьи добавь предупреждение:

Статья написана с использованием LLM Claude Sonnet 5 и проверена участником Imil Baltaniazov 16:49, 10 июля 2026 (MSD)

Выдай только сырой вики-код статьи.