складність 2/5
Feature engineering
Рішення про те, якими будуть колонки, — масштабування, кодування, поєднання та виведення входів так, щоб структура, яку модель здатна виразити, збігалася з тією, що справді є в даних.
Інтуїція
Модель здатна знайти лише ту структуру, яку вона може виразити. Лінійна модель ставить кожній колонці одне питання — чи зростає ціль разом із цим? — і якщо чесна відповідь звучить «зростає, потім спадає, а опівночі повертається на початок», колонка цього не понесе, хоч як налаштовуй коефіцієнти.
Інженерія ознак — це робота зі зміни питання. Не кращий оптимізатор і не більше шарів: інша колонка, у якій відповідь, що її модель здатна дати, випадково є правильною. Година 23 і година 0 відстоять на одну годину у світі й на двадцять три в цілому числі — тож ви подаєте колонку, у якій вони сусідні, і модель перестає воювати з кодуванням.
Значення цієї роботи легко недооцінити, бо вона стоїть перед моделюванням і схожа на сантехніку. Практичні настанови Google відводять їй цілу фазу — після того, як запрацював перший конвеєр, і перед тим, як пробувати щось складне [2, ML Phase II: Feature Engineering].
Формальне визначення
Як це працює
Де застосовується
Чому і коли
Практичний приклад
Типові помилки
Перевірте себе
3 запитання
Запитання до цієї сторінки входять у доступ. Їх перевіряє сервер, тож відповіді лишаються там, доки ви не дасте свою.
Джерела
- Dive into Deep Learningbook · звірено 2026-09-05https://d2l.ai/
- Rules of Machine Learning: Best Practices for ML Engineering (Google)docs · звірено 2026-09-05https://developers.google.com/machine-learning/guides/rules-of-ml
- Hidden Technical Debt in Machine Learning Systems (2015)paperhttps://proceedings.neurips.cc/paper_files/paper/2015/hash/86df7dcfd896fcaf2674f757a2463eba-Abstract.html
- scikit-learn User Guide — Preprocessing datadocs · звірено 2026-09-05https://scikit-learn.org/stable/modules/preprocessing.html