Feature Engineering(특성 공학)
머신러닝 모델의 예측 성능을 높이기 위해, 원본 데이터를 그대로 쓰지 않고 이를 가공·조합해 예측에 실제로 도움이 되는 새로운 특성(변수)을 만들어내는 작업입니다.
한눈에 보는 정의
Feature Engineering(특성 공학)은 머신러닝 모델의 성능을 높이기 위해, 원본 데이터에서 예측에 도움이 되는 새로운 특성(변수)을 만들어내는 작업입니다.
자세히 알아보기
- 예문: "단순히 생년월일만 넣는 대신, 이를 '나이'라는 특성으로 변환하는 Feature Engineering을 거치자 모델의 예측 정확도가 크게 올랐다."
- 원본 데이터를 있는 그대로 모델에 넣기보다, 도메인 지식을 활용해 예측에 실제로 의미 있는 형태로 가공하면 모델이 패턴을 훨씬 잘 학습할 수 있습니다.
- 거래 날짜에서 요일이나 공휴일 여부를 뽑아내거나, 여러 필드를 조합해 비율 지표를 만드는 것처럼, 원본에는 없던 새로운 관점의 정보를 만들어내는 창의적인 작업이 요구됩니다.
- Regression(회귀분석) (회귀분석)이나 Classification(분류) (분류) 같은 모델 자체의 성능만큼이나, 어떤 특성을 입력으로 쓰느냐가 최종 예측 성능을 좌우하는 경우가 많아 데이터 분석 실무에서 매우 중요하게 다뤄집니다.